[ML] 이상 징후 탐지(Anomaly Detection) 3

 

이상 징후 탐지(Anomaly Detection)

 

이상 징후 탐지는 데이터에서 비정상적인 패턴을 식별하는 과정입니다. 이 과정은 다양한 분야에서 중요한 역할을 하며, 사이버 보안, 의료 진단, 산업 시스템의 고장 감지, 금융 사기 방지 등에 널리 사용됩니다.

이와 관련해서 자세한 사항은 아래 포스팅을 참고하시기 바랍니다.

 

 

[ML] 이상 징후 탐지(Anomaly Detection)

 

 

 

이상 징후 탐지의 종류

 

이상 징후 탐지에는 다음과 같은 종류가 있습니다.

 

1. 통계적 이상 징후 탐지

• 데이터의 통계적 속성(예: 평균, 분산)을 기반으로 정상 범위를 설정하고, 이 범위를 벗어나는 데이터 포인트를 이상으로 판단합니다.

2. 머신 러닝 기반 이상 징후 탐지

• 지도 학습 이상 징후 탐지 : 정상 및 비정상 데이터에 대한 레이블이 있는 경우 사용합니다. 분류 모델을 학습시켜 이상을 탐지합니다.
• 비지도 학습 이상 징후 탐지 : 레이블이 없는 데이터에서 작동합니다. 정상 데이터만 사용하여 모델을 학습시키고, 학습된 데이터 패턴과 다른 데이터를 이상으로 간주합니다.
• 반지도 학습 이상 징후 탐지 : 일부 정상 데이터만 레이블이 있을 때 사용합니다.이 레이블된 데이터를 기반으로 학습하고, 다른 패턴을 이상으로 식별합니다.

3. 딥 러닝 기반 이상 징후 탐지

• 오토인코더 : 입력 데이터를 압축한 후 재구성하는 신경망을 사용하여, 재구성 오차가 큰 데이터 포인트를 이상으로 판단합니다.
• 생성적 적대 신경망(GAN) : 정상 데이터를 생성할 수 있는 모델을 학습시키고, 이 모델이 잘 생성하지 못하는 데이터를 이상으로 간주합니다.

4. 근접 기반 이상 징후 탐지

• 데이터 포인트 간의 거리 또는 밀도를 기반으로 이상을 탐지합니다. 예를 들어, K-최근접 이웃(KNN) 알고리즘은 각 데이터 포인트 주변의 K개 이웃을 찾고, 이웃과의 거리가 유독 멀면 이상으로 간주합니다.

5. 클러스터 기반 이상 징후 탐지

• 데이터를 클러스터로 그룹화하고, 어느 클러스터에도 속하지 않는 데이터 포인트를 이상으로 식별합니다.

 

 

 

이상 징후 탐지의 범주와 종류의 차이

 

지난 포스팅에 이상 징후 탐지의 범주에 대해서 소개했습니다.

 

[ML] 이상 징후 탐지(Anomaly Detection) 2

 

그렇다면, 이상 징후 탐지의 범주와 종류의 차이는 무엇일까요?

 

이상 징후의 범주는 이상이 어떻게 표현되는 지에 대한 관점에서 나뉘며, 이상 징후의 종류는 실제로 이상을 탐지하는 기술적 접근 방식을 나타냅니다.

 

 

 

다음 포스팅에서는 이상 징후의 종류들에 대해 조금 더 세밀하게 다뤄보도록 하겠습니다:)