用于细粒度异常检测的特征设置

细粒度异常检测近年来主要由基于分割的方法主导。这类方法首先将样本中的每个元素（例如图像块）分类为正常或异常，若样本中包含异常元素，则将整个样本判定为异常。然而，此类方法无法适用于异常由正常元素以非典型组合形式呈现的场景。为此，本文提出了一种基于集合特征的新方法，通过元素的分布来建模每个样本。我们采用一种简单的密度估计方法计算每个样本的异常得分。该方法实现简单，但在图像级别的逻辑异常检测任务中性能优于当前最先进方法3.4%，在序列级别的时间序列异常检测任务中提升2.4%。