Improvement of Anomaly detection and personal authentication ability by pseudo-data generation

2023 Fiscal Year Final Research Report

• Project/Area Number: 21K12022
• Research Category: Grant-in-Aid for Scientific Research (C)
• Allocation Type: Multi-year Fund
• Section: 一般
• Review Section: Basic Section 61030:Intelligent informatics-related
• Research Institution: National Institute of Technology, Toyama College
• Principal Investigator: Kitamura Takuya 富山高等専門学校, その他部局等, 准教授 (40611918)
• Project Period (FY): 2021-04-01 – 2024-03-31
• Keywords: 異常検知 / 疑似異常データ / 敵対生成ネットワーク / 変分自己符号化器 / サポートベクトルマシン

Outline of Final Research Achievements

In this study, I focus on the difficulty of collecting abnormal data compared to normal data in anomaly detection problems. Therefore, we aim to improve anomaly detection performance by generating pseudo-abnormal data from only normal data. I use adversarial generative networks (GAN) and variational autoencoders (VAE) for pseudo-abnormal data generation, and confirmed improvement in generalization capability by using the generated pseudo-abnormal data for training. Furthermore, we introduced this approach to a personal authentication system using aerial writing motion. I conducted impersonation experiments, and confirmed its effectiveness.

Free Research Field

機械学習

Academic Significance and Societal Importance of the Research Achievements

異常検知問題は工場の生産ラインや医療の診断現場や個人認証などのように，様々な分野にて存在しており，国内外問わず，広く研究なされている．また，異常検知問題に対して，疑似データを生成することによる異常検知性能向上の研究は，これまでも広く実施されている．擬似データ生成に広く用いられる手法として，VAEやGANが挙げられるが，本研究のようにこれらを同時に考慮するシステムは少ない．また，生成モデルのみでなく，部分空間法やSVMなどの識別モデルを適用することにより，より高い精度の擬似データの生成と異常検知性能の向上を期待できると考えられ，新規性と有効性の高い研究であると考えられる．