AI研究所 - AI(人工知能)に脅かされないために、AI(人工知能)を作る側の人間になる -

  • お問い合わせ

HOME  >  ディープラーニングによる異常検知の仕組みを徹底解説

公開日:2020.10.20 

ディープラーニングによる異常検知の仕組みを徹底解説

機械学習

日々進化を見せるディープラーニングの技術ですが、異常検知の分野ではどのように活用されているのでしょうか。
一般的にイメージされるものは、工場の生産ラインでの不具合や不良品の検知だと思います。目視で検品していたものをAIに置き換えると、大幅なコスト削減になります。
ディープラーニングは音声や画像、ネットワークの異常など、活用の幅は大幅に広がっています。この記事では、従来の異常検知から、最新の異常検知、実際の活用シーンなどをお伝えしたいと思います。

ディープラーニングによる異常検知とは?

ディープラーニングによる異常検知とは、どのようなものなのでしょうか。簡単に内容を説明すると、データセットのデータが、他のものと異なる振る舞いをした時に検知する技術です。
ビックデータを他の機械学習モデルに読み込ませて、共通点や相違点を分析します。大量のデータに基づき、違う値を出していたり、違う動きをするものを検知する仕組みです。
ディープラーニングを支えるのは、膨大なデータ量ということです。
実際の活用例や、従来の異常検知と最新の異常検知を確認してみましょう。

異常検知の活用例

異常検知には色々な活用方法があります。普段何気なく使っているサービスの中にも活用されており、主に私達の資産や生活を守るものに活用されている事が多いです。セキュリティ関連ではディープラーニングの導入により、活用範囲が大幅に広がりました。

不正アクセスや不正利用の検知

webサービスの不正アクセスや、クレジットカードの不正利用にも異常検知の技術が活用されています。例えば、いつもと大幅に違う場所でログインしようとしたら、通知が来ることがありますよね。これが異常検知の技術を活用したものです。
また、クレジットカードの不正利用はカード会社で活用されており、異常に高額な利用とみられる場合はユーザーへ利用の確認を行い、サービス向上に役立てています。

DDos攻撃や障害の検知

外部からのネットワークに対する攻撃や、障害の検知も異常検知の技術が活用されています。この技術はサイバーセキュリティサービスの一環として組み込まれています。
ITの急速な発展により、サイバーセキュリティの重要性は高まる一方です。ディープラーニングの技術はセキュリティとの親和性が高く、様々な場面で活用されています。日々認可するサイバー攻撃の手口にたいして、ディープラーニングにより、対策をアップデートしていくことができます。

工場の生産過程から異常値を検出

工場で生産されるものの中から不良品を検知したり、機械の異常を察知してエラーを出す技術です。
従来は目視にて行っていましたが、ディープラーニングの技術によりAIで代替できるようになると、大幅なコストダウンが可能となりました。数値の異常からエラーを検知する方法と、画像認識を用いて外観から異常を判断するものがあります。
人間の目と同等の認識能力を持つことで、目視と同等の精度で検査することが可能になりました。
デメリットがあるとすると、導入の手間がかかることと、費用が高額である点です。

防犯カメラ

防犯カメラは、ディープラーニングの技術を取り入れることで大幅に進化しました。
以前は、映像を残すためのものでしたがディープラーニングの画像認識技術により、おかしな挙動をする特定の人を大勢の群衆の中から見つけ出し、追跡する事もできるようになりました。おかしな挙動は、データセットにより万引や暴徒など見分けがつくようになります。
群衆の中の、特定の人の挙動や大まかな年齢の特定、性別などを判定することができます。かなりの群衆の中からでも見分けることができ、ディープラーニングの技術を導入することで防犯対策が飛躍的に向上しました。

異常検知の方法

異常値の判定に用いられている方法を紹介します。

  • 正常時データのルールを決めて、それを超えた場合は異常とみなす判定方法
  • 教師あり学習を用いて、過去のデータからパターンを検出し、新しいデータが異常なのかどうか。確率を計算する
  • 教師なし学習を用いて、データの特徴や構造を分析し、似たデータとグループ化し、分類する方法
  • 正常値のモデルから回帰式のモデルを構築し、モデルから外れたものを異常値かどうか判定する

機械学習でおなじみの、教師あり、なし、回帰分析をつかった異常検知方法が用いられています。ディープラーニングの基本には機械学習があり、応用としてディープラーニングが活用されています。

関連記事:画像データを使った異常検知を試してみる。

従来の異常検知

ディープラーニング導入以前の異常検知について、調べてみました。以前と現在ではどのような違いがあるのでしょうか。

機械学習

回帰分析を用いて、大量のデータ分布から外れているものを検知し異常かどうかの判定を行います。
画像や自然言語のような高次元のデータには対応できませんでした。機械学習を用いた異常検知はディープラーニングで応用されています。

自己符号化器による異常検知

自己符号化器とはオートエンコーダーとも呼ばれている、ニューラルネットワークの一つです。
まず、自己符号化器にて、正常なデータを生成します。そして、判定したいデータを自己符号化器に入力し、復元誤差を算出します。この誤差により異常を測定します。異常のデータは学習されていないので、異常なデータの復元誤差は大きくなります。

関連記事:ニューラルネットワークによる異常検知の仕組みを徹底解説

敵対的生成ネットワークによる異常検知

異なる2つのネットワークが用意した“本物”と作り出した“偽物”を区別できるように、敵対的に学習していきます。最終的には、本物のデータと作り出された偽物のデータの差分によって、異常が検知されるという方法を使った異常検知の仕組みです。

ディープラーニングを用いたハイブリッド異常検知

最新の異常検知システムは、ディープラーニングを用いたハイブリッドモデルによる異常検知です。
従来のシステムでは、画像や自然言語では高次元すぎて、異常検知を行うのが難しかったのですが、従来の異常検知モデルとディープラーニングを組み合わせることで可能になりました。
ディープラーニングのデータセットにより抽出されたモデルを、機械学習モデルに入力データとして渡すことで、より具体的な検知が可能になりました。

ディープラーニングにより大きく進化した異常検知

ディープラーニングの活用事例と運用方法を見てきました。現在では、様々な分野にディープラーニングの技術が投入されています。
異常検知のシステムはディープラーニングの技術を取り入れることで、大幅に進化しました。
サイバーセキュリティと防犯の分野で、特に進化したように思われます。サイバーセキュリティの分野では、日々進化する不正の手口にディープラーニングを活用して対処しようとしています。不正アクセスやウイルス対策に最新の技術が投入されており、日々技術をアップデートしています。
また、防犯カメラは、ディープラーニングの技術を取り入れることで、大勢の群衆の中から、不審な動きをしている人を検知するまでに至りました。おおまかな人物の特定までできるようになっており、無差別テロなども検知システムがあれば未然に防ぐことができるようになります。
ディープラーニングは、機械学習をベースにして膨大なデータをもとに、特徴の抽出や分類を行っています。
増え続けるディープラーニングの需要に対して、膨大なデータを供給し続けることができるかが、今後の運用のカギとなります。

 


参考になったら「いいね!」と「シェア」をお願いします!!

このエントリーをはてなブックマークに追加
AI(人工知能)セミナー開催中