基于记忆增强的对抗自编码器异常检测算法

作     者：蔚焘 成卫青 WEI Tao;CHENG Weiqing

作者机构：南京邮电大学计算机学院、软件学院、网络空间安全学院江苏南京210023 

出 版 物：《南京邮电大学学报（自然科学版）》 (Journal of Nanjing University of Posts and Telecommunications：Natural Science Edition)

年 卷 期：2021年第41卷第6期

页      面：84-94页

学科分类：081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金(61170322) 江苏省研究生教育教学改革课题(JGZZ19_038)资助项目 

主　　题：异常检测 记忆网络 生成式对抗网络 对抗自编码器 

摘      要：深度自编码器是异常检测领域中被广泛使用的深度学习模型。记忆增强的自编码器模型(Memory⁃augmented Autoencoder Model,MemAE)通过记忆增强模块解决传统自编码器泛化能力过强的问题,并取得了良好的效果。针对自编码器对于训练数据的正常模式提取能力有限这个问题,通过融合对抗自编码器(Adversarial Autoencoder,AAE)的对抗学习过程,提出基于记忆增强的对抗自编码器模型(Memory⁃augmented Adversarial Autoencoder Model,MemAAE)。相比于原模型,增加判别器模块,将自编码器与记忆模块视为生成器,使生成器输出的聚合后验分布与先验分布相匹配,弥补了自编码器能力不足的缺点,提高了重构的效果,并在一定程度上避免了可能出现的模式崩溃问题。在多个文本数据集和MNIST图像数据集上的实验结果表明,改进之后的模型与已有的异常检测模型相比,文中提出的模型MemAAE总体性能更优。