特許ウォッチ

公開番号2024081626
公報種別公開特許公報(A)
公開日2024-06-18
出願番号2023205500
出願日2023-12-05
発明の名称異常検知のための装置及び方法
出願人日本電気株式会社
代理人個人
主分類G06F 18/2433 20230101AFI20240611BHJP(計算;計数)
要約【課題】より正確に異常を検知できる異常検知のための装置及び方法を提供する。
【解決手段】方法は、インスタンス特徴サンプルと、インスタンス特徴が低減されたサンプルとに基づいて生成される学習済みの異常検知モデルを取得することを含む。インスタンス特徴が低減されたサンプルは、拡散モデルに基づいて得られる。方法はまた、学習済みの異常検知モデルに検知対象データを入力して検知結果を得ることを含む。このように、拡散モデルに基づいて、異常検知モデルに学習させるための、インスタンス特徴が低減されたサンプルを得ることができ、これをインスタンス特徴サンプルとの比較に用いることにより、粒度の細かいインスタンス特徴増幅を実現することができる。したがって、異常検知のためのモデルを改善し、その結果、異常検知の精度を高めることができる。
【選択図】図6
特許請求の範囲【請求項１】
少なくとも１つのプロセッサと、
コンピュータプログラム命令が格納されている少なくとも１つのメモリと、
を備える装置であって、
前記コンピュータプログラム命令は、前記少なくとも１つのプロセッサによって実行された場合に、前記装置に対し、
インスタンス特徴サンプルと、インスタンス特徴が低減されたサンプルとに基づいて生成される学習済みの異常検知モデルを取得することと、
前記学習済みの異常検知モデルに検知対象データを入力して検知結果を得ることと、
を行わせ、
前記インスタンス特徴が低減されたサンプルは、拡散モデルに基づいて得られる、
異常検知のための装置。
続きを表示（約 1,600 文字）【請求項２】
前記コンピュータプログラム命令は、前記少なくとも１つのプロセッサによって実行された場合に、前記装置に対し、
前記拡散モデルを用いて、前記インスタンス特徴サンプルに基づいて、前記インスタンス特徴が低減されたサンプルを得ることをさらに行わせる、
請求項１に記載の装置。
【請求項３】
前記コンピュータプログラム命令は、前記少なくとも１つのプロセッサによって実行された場合に、前記装置に対し、
前記拡散モデルに入力された前記インスタンス特徴サンプルに対して、複数の時間のステップでノイズを追加することにより、前記複数の時間のステップに対応する複数のノイズサンプルを生成することと、
前記複数のノイズサンプルの中からサンプリングすることによって、前記インスタンス特徴が低減されたサンプルを得ることとを行わせる、
請求項２に記載の装置。
【請求項４】
前記コンピュータプログラム命令は、前記少なくとも１つのプロセッサによって実行された場合に、前記装置に対し、
順方向の学習プロシージャと逆方向の評価プロシージャを用いて、前記拡散モデルを生成することであって、前記順方向の学習プロシージャ期間においてノイズを追加し、前記逆方向の評価プロシージャ期間においてノイズを除去すること、をさらに行わせる、
請求項２に記載の装置。
【請求項５】
前記コンピュータプログラム命令は、前記少なくとも１つのプロセッサによって実行された場合に、前記装置に対し、
予め定義されたファミリーの第１の増強を用いて、前記インスタンス特徴サンプルに基づいて第１のサンプルを生成することと、
前記予め定義されたファミリーの第２の増強を用いて、前記インスタンス特徴サンプルに基づいて第２のサンプルを生成することと、
前記予め定義されたファミリーの第３の増強を用いて、前記インスタンス特徴が低減されたサンプルに基づいて第３のサンプルを生成することと、
前記第１のサンプルと前記第２のサンプルをクエリのキーペアとして構築し、前記第１のサンプルと前記第３のサンプルを負の知覚のキーペアとして構築することにより、特徴空間を決定することと、
前記特徴空間に基づいて、学習によって、前記学習済みの異常検知モデルを生成することとを行わせる、
請求項１に記載の装置。
【請求項６】
前記特徴空間は、
前記インスタンス特徴サンプルの第１の変換に基づいて生成された第４のサンプル、又は
前記インスタンス特徴が低減されたサンプルの第２の変換に基づいて生成された第５のサンプル
のうちの少なくとも１つにさらに基づく、
請求項５に記載の装置。
【請求項７】
前記コンピュータプログラム命令は、前記少なくとも１つのプロセッサによって実行された場合に、前記装置に対し、
補助的なソフトマックス分類器を使用して前記第１の変換と前記第２の変換をそれぞれ決定することを行わせる、
請求項６に記載の装置。
【請求項８】
前記コンピュータプログラム命令は、前記少なくとも１つのプロセッサによって実行された場合に、前記装置に対し、
異なるサンプル間の類似度に基づいて比較損失関数を決定することと、
前記比較損失関数に少なくとも基づいて、前記学習済みの異常検知モデルを生成することとを行わせる、
請求項５に記載の装置。
【請求項９】
前記検知対象データは、音声データ、心電図データ、画像、動画データ、コンピュータ断層撮影データ、又は光干渉断層撮影データのうちの少なくとも１つを含む、
請求項１に記載の装置。
【請求項１０】
前記検知対象データは医療診断画像である、
請求項１に記載の装置。
（【請求項１１】以降は省略されています）
発明の詳細な説明【技術分野】
【０００１】
本開示の実施形態は、全体的にはコンピュータの分野に関し、より具体的には、異常検知のための装置、方法、コンピュータ可読記憶媒体、及びコンピュータプログラム製品に関する。
続きを表示（約 1,400 文字）【背景技術】
【０００２】
異常検知（Anomaly detection）（することを行わせる）は、正常なデータ分布から著しく逸脱した異常データのインスタンスを検知することを目的としている。異常検知は、医療診断、不正検知、構造欠陥等、様々な分野で広く利用されている。教師ありの異常検知モデルは大量のラベル付き学習データを必要としコストが高いため、現在の一般的な異常検知モデルは、教師なし、半教師あり、弱教師ありの方法で得られている。
【０００３】
しかしながら、現在の異常検知モデルは、多くの正常データを異常として検知する一方で、真であるが複雑な一部の異常データを正常として検知する。したがって、現在の異常検知モデルには検知の正確性が低いという問題が存在する。
【発明の概要】
【発明が解決しようとする課題】
【０００４】
本開示の例示的な実施形態によれば、より正確に異常検知を行うことができる異常検知のための装置及び方法が提供される。
【課題を解決するための手段】
【０００５】
本開示の第１の態様では、異常検知のための装置が提供される。当該装置は、少なくとも１つのプロセッサと、コンピュータ命令が格納されている少なくとも１つのメモリと、を備える。前記命令は、少なくとも１つのプロセッサによって実行された場合に、当該装置に対し、インスタンス特徴サンプルと、インスタンス特徴が低減されたサンプルとに基づいて生成される学習済みの異常検知モデルを取得することと、学習済みの異常検知モデルに検知対象データを入力して検知結果を得ることと、を行わせる。インスタンス特徴が低減されたサンプルは拡散モデルに基づいて得られる。
【０００６】
本開示の第２の態様では、異常検知のための方法が提供される。当該方法は、インスタンス特徴サンプルと、インスタンス特徴が低減されたサンプルとに基づいて生成される学習済みの異常検知モデルを取得することと、学習済みの異常検知モデルに検知対象データを入力して、検知結果を得ることと、を含む。インスタンス特徴が低減されたサンプルは拡散モデルに基づいて得られる。
【０００７】
本開示の第３の態様では、コンピュータ可読記憶媒体が提供される。当該コンピュータ可読記憶媒体には、機械可読命令が格納されており、当該機械可読命令は、装置により実行された場合に、当該装置に、本開示の第２の態様に記載の方法を実行させる。
【０００８】
本開示の第４の態様では、コンピュータ可読命令を含むコンピュータプログラム製品が提供される。コンピュータ可読命令は、プロセッサによって実行された場合に、本開示の第２の態様に記載の方法を実施する。
【０００９】
本開示の第５の態様では、本開示の第２の態様に記載の方法を実行するように設定された処理回路又は処理回路装置を備える電子装置が提供される。
【００１０】
発明の概要部分は、一連の概念を簡略化して紹介するためのものである。これらについては、以下の実施形態においてさらに説明を行う。発明の概要部分の記述は、本開示の重要又は必要な特徴を標記することを意図したものではなく、本開示の範囲を限定することも意図していない。本開示のその他の特徴は、以下の説明により容易に理解できるはずである。
【図面の簡単な説明】
（【００１１】以降は省略されています）

関連特許