1U-04
GANを用いた時系列データの異常検知における適切なノイズ強度に関する考察
○森 仁美(お茶の水女子大),丸 千尋(お茶の水女子大 / 中央大),中野美由紀(津田塾大),小口正人(お茶の水女子大)
様々な分野における異常検知技術の普及や,IoT機器などから集約したデータをクラウド上で扱うニーズの増加に伴い,プライバシ保護されたデータに対する深層学習を用いた異常検知の需要が高まっている.時系列データを検知対象とする場合,データに対しノイズを加えて特徴を曖昧化することで,元データの直接的な外部への公開を防ぐことが可能となる.一方で,一定量以上のノイズを付加すると異常検知精度が低下する恐れがある.したがって,本研究では,深層学習モデルの一種であるGANを用いた時系列データに対する異常検知に焦点を当て,異常検知が可能となる適切なノイズの大きさについて実験し,考察を行った.