Deep Learning zur Anomalieerkennung: Ein Überblick

Die Anomalieerkennung, auch bekannt als Ausreißererkennung oder Neuheitsentdeckung, ist seit mehreren Jahrzehnten ein nachhaltiges, aber aktives Forschungsgebiet in verschiedenen Forschungsgemeinschaften. Es gibt immer noch einige einzigartige Problemkomplexitäten und Herausforderungen, die fortgeschrittene Ansätze erfordern. In den letzten Jahren hat sich die durch Deep Learning ermöglichte Anomalieerkennung, d.h. die tiefe Anomalieerkennung, als eine kritische Richtung herauskristallisiert. Dieses Papier untersucht die Forschung zur tiefen Anomalieerkennung mit einer umfassenden Taxonomie, die Fortschritte in drei hochrangigen Kategorien und 11 detaillierten Kategorien der Methoden abdeckt. Wir überprüfen ihre grundlegenden Intuitionen, Zielsetzungen, zugrunde liegenden Annahmen, Vor- und Nachteile und diskutieren, wie sie die oben genannten Herausforderungen angehen. Darüber hinaus erörtern wir eine Reihe möglicher zukünftiger Chancen und neuer Perspektiven zur Bewältigung der Herausforderungen.