초록
이 논문은 완전히 비지도 학습 환경에서 대규모 데이터셋 내 이상치를 탐지하기 위한 새로운 방법을 제안한다. 본 알고리즘의 핵심 아이디어는 정상 데이터의 내재된 표현을 학습하는 데 있다. 이를 위해 고차원 데이터를 처리하는 데 적합한 최신 클러스터링 기법을 활용한다. 이러한 가정은 정상 데이터 선별에 신뢰할 수 있는 기초를 제공한다. 우리는 정상 데이터 서브셋에서 오토인코더를 학습한 후, 클러스터링을 기반으로 정상 후보 서브셋을 가정하고 표현 학습을 반복적으로 수행한다. 학습된 오토인코더로부터 얻은 재구성 오차는 데이터의 정상성 평가를 위한 점수 함수로 활용된다. 여러 공개 벤치마크 데이터셋에 대한 실험 결과는 제안하는 방법이 최신 비지도 기법들을 능가하며, 대부분의 경우 반지도 학습 기법과 경쟁 가능한 성능을 보임을 보여준다.