إعادة النظر في كشف الشذوذ القائم على التشفير النادر في إطار RNN المتراكم

مُحفَّزين بقدرة الكودة النادرة القائمة على اكتشاف الشذوذ، نقترح طريقة الكودة النادرة المتماسكة زمنيًا (TSC)، حيث نفرض أن الإطارات المجاورة المتشابهة تُشَفر باستخدام معاملات إعادة بناء متشابهة. ثم نُمَثِّل TSC باستخدام نوع خاص من الشبكات العصبية التكرارية المكدسة (sRNN). وباستغلال قدرة sRNN على تعلُّم جميع المعاملات دفعة واحدة، يمكن تجنب اختيار المعلمات غير المُتَعَمِّدة (التي تُعدّ تحديًا كبيرًا في TSC)، وفي الوقت نفسه، وباستخدام sRNN خفيفة (شبيهة بالطبقات السطحية)، يمكن استنتاج معاملات إعادة البناء ضمن عملية واحدة تقدمية (forward pass)، مما يقلل من التكلفة الحسابية المرتبطة بتعلُّم معاملات الكودة النادرة. تتمثل المساهمات الرئيسية لهذا البحث في جوانب متعددة: أولاً، نقترح طريقة TSC التي يمكن تمثيلها باستخدام sRNN، مما يُسهِّل تحسين المعاملات ويُسرّع عملية التنبؤ بالشذوذ. ثانيًا، نُنشئ مجموعة بيانات ضخمة جدًا، أكبر من مجموع جميع المجموعات الموجودة مسبقًا للكشف عن الشذوذ من حيث حجم البيانات وتنوع المشاهد. أظهرت التجارب الواسعة على مجموعة بيانات تجريبية بسيطة وبيانات حقيقية أن الطريقة القائمة على TSC والمتبنية على sRNN تتفوّق باستمرار على الطرق السابقة، مما يُثبت فعالية المنهجية المقترحة.