通常の異常検知問題では、検知モデルは教師なしの設定で学習を行う。ただし学習データは単一のクラスの正常例であるという前提で与えられる。しかし、実用的には正常例の集合も複数のクラスから構成されることが一般的である。正常例での違いに基づいて異常を検出する問題は、クラス間の違いが存在する中でより困難なタスクとなる。本研究はこのようなより一般的な異常検知問題で有用な埋め込み関数を学習するために、少数の正常例を利用して学習する方法を提案する。少数ラベル付き事例を活用するため、情報ボトルネック原理に基づいてクラス間の距離を考慮した損失を提案する。