JP2019040423A - 検知装置、検知方法および検知プログラム - Google Patents
検知装置、検知方法および検知プログラム Download PDFInfo
- Publication number
- JP2019040423A JP2019040423A JP2017162305A JP2017162305A JP2019040423A JP 2019040423 A JP2019040423 A JP 2019040423A JP 2017162305 A JP2017162305 A JP 2017162305A JP 2017162305 A JP2017162305 A JP 2017162305A JP 2019040423 A JP2019040423 A JP 2019040423A
- Authority
- JP
- Japan
- Prior art keywords
- data
- detection
- generation model
- distribution
- decoder
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Image Analysis (AREA)
Abstract
【解決手段】取得部15aが、センサが出力するデータを取得し、学習部15bが、ガウス分布に従うエンコーダとデコーダとを含んでデータの確率分布を表す生成モデルにおいて、該デコーダの分散パラメータがガンマ分布に従うものとし、さらに、分散パラメータを積分消去して、データを用いて生成モデルを学習し、検知部15cが、学習された生成モデルを用いてデータの確率分布を推定し、新たに取得されたデータの推定される発生確率が所定の閾値より低い場合に異常として検知する。
【選択図】図4
Description
本実施形態の検知装置は、VAEをベースにした生成モデルを作成してIoTのセンサデータの異常を検知する。ここで、VAEは、エンコーダおよびデコーダと呼ばれる2つの条件付き確率分布で構成される。エンコーダは、元のデータを符号化して、次元数を減らす等、表現を変換する。デコーダは、エンコーダで符号化されたデータを復号化して元のデータを再現する。元のデータが連続値の場合、一般に、エンコーダおよびデコーダにガウス分布が適用される。
図4は、検知装置の概略構成を例示する模式図である。図4に例示するように、検知装置10は、パソコン等の汎用コンピュータで実現され、入力部11、出力部12、通信制御部13、記憶部14、および制御部15を備える。
次に、図8を参照して、本実施形態に係る検知装置10による検知処理について説明する。図8は、検知処理手順を示すフローチャートである。図8のフローチャートは、例えば、検知処理の開始を指示する操作入力があったタイミングで開始される。
上記実施形態に係る検知装置10が実行する処理をコンピュータが実行可能な言語で記述したプログラムを作成することもできる。一実施形態として、検知装置10は、パッケージソフトウェアやオンラインソフトウェアとして上記の検知処理を実行する検知プログラムを所望のコンピュータにインストールさせることによって実装できる。例えば、上記の検知プログラムを情報処理装置に実行させることにより、情報処理装置を検知装置10として機能させることができる。ここで言う情報処理装置には、デスクトップ型またはノート型のパーソナルコンピュータが含まれる。また、その他にも、情報処理装置にはスマートフォン、携帯電話機やPHS(Personal Handyphone System)などの移動体通信端末、さらには、PDA(Personal Digital Assistants)などのスレート端末などがその範疇に含まれる。
11 入力部
12 出力部
13 通信制御部
14 記憶部
15 制御部
15a 取得部
15b 学習部
15c 検知部
Claims (5)
- センサが出力するデータを取得する取得部と、
ガウス分布に従うエンコーダとデコーダとを含んで前記データの確率分布を表す生成モデルにおいて、該デコーダの分散パラメータがガンマ分布に従うものとして、前記データを用いて該生成モデルを学習する学習部と、
学習された生成モデルを用いて前記データの確率分布を推定し、新たに取得された前記データの推定される発生確率が所定の閾値より低い場合に異常として検知する検知部と、
を備えることを特徴とする検知装置。 - 前記学習部は、さらに、前記分散パラメータを積分消去することを特徴とする請求項1に記載の検知装置。
- 前記検知部は、異常を検知した場合に、警報を出力することを特徴とする請求項1または2に記載の検知装置。
- 検知装置で実行される検知方法であって、
センサが出力するデータを取得する取得工程と、
ガウス分布に従うエンコーダとデコーダとを含んで前記データの確率分布を表す生成モデルにおいて、該デコーダの分散パラメータがガンマ分布に従うものとして、前記データを用いて該生成モデルを学習する学習工程と、
学習された生成モデルを用いて前記データの確率分布を推定し、新たに取得された前記データの推定される発生確率が所定の閾値より低い場合に異常として検知する検知工程と、
を含んだことを特徴とする検知方法。 - センサが出力するデータを取得する取得ステップと、
ガウス分布に従うエンコーダとデコーダとを含んで前記データの確率分布を表す生成モデルにおいて、該デコーダの分散パラメータがガンマ分布に従うものとして、前記データを用いて該生成モデルを学習する学習ステップと、
学習された生成モデルを用いて前記データの確率分布を推定し、新たに取得された前記データの推定される発生確率が所定の閾値より低い場合に異常として検知する検知ステップと、
をコンピュータに実行させるための検知プログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017162305A JP6691079B2 (ja) | 2017-08-25 | 2017-08-25 | 検知装置、検知方法および検知プログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017162305A JP6691079B2 (ja) | 2017-08-25 | 2017-08-25 | 検知装置、検知方法および検知プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2019040423A true JP2019040423A (ja) | 2019-03-14 |
JP6691079B2 JP6691079B2 (ja) | 2020-04-28 |
Family
ID=65725668
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2017162305A Active JP6691079B2 (ja) | 2017-08-25 | 2017-08-25 | 検知装置、検知方法および検知プログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6691079B2 (ja) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2020201185A (ja) * | 2019-06-12 | 2020-12-17 | 株式会社日立製作所 | ストレージシステムおよび記憶制御方法 |
CN112348158A (zh) * | 2020-11-04 | 2021-02-09 | 重庆大学 | 基于多参数深度分布学习的工业设备状态评估方法 |
CN117853827A (zh) * | 2024-03-07 | 2024-04-09 | 安徽省大气探测技术保障中心 | 大气温室气体监测用采样泵工作状态运行监测系统及方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005141319A (ja) * | 2003-11-04 | 2005-06-02 | Mitsubishi Electric Corp | 異常行動検出装置 |
JP2017027968A (ja) * | 2015-07-15 | 2017-02-02 | 東京エレクトロン株式会社 | 基板処理装置、基板処理方法及び記録媒体 |
-
2017
- 2017-08-25 JP JP2017162305A patent/JP6691079B2/ja active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005141319A (ja) * | 2003-11-04 | 2005-06-02 | Mitsubishi Electric Corp | 異常行動検出装置 |
JP2017027968A (ja) * | 2015-07-15 | 2017-02-02 | 東京エレクトロン株式会社 | 基板処理装置、基板処理方法及び記録媒体 |
Non-Patent Citations (2)
Title |
---|
KINGMA, DIEDERIK P., 外1名: "Auto-Encoding Variational Bayes", AUTO-ENCODING VARIATIONAL BAYES, JPN7019003413, 1 May 2014 (2014-05-01), US, pages 1 - 14, ISSN: 0004138552 * |
大羽 成征: "変分法的ベイズ推定による混合主成分分析", 変分法的ベイズ推定による混合主成分分析, JPN7019003411, 9 February 2001 (2001-02-09), JP, pages 1 - 51, ISSN: 0004138553 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2020201185A (ja) * | 2019-06-12 | 2020-12-17 | 株式会社日立製作所 | ストレージシステムおよび記憶制御方法 |
JP7328799B2 (ja) | 2019-06-12 | 2023-08-17 | 株式会社日立製作所 | ストレージシステムおよび記憶制御方法 |
CN112348158A (zh) * | 2020-11-04 | 2021-02-09 | 重庆大学 | 基于多参数深度分布学习的工业设备状态评估方法 |
CN112348158B (zh) * | 2020-11-04 | 2024-02-13 | 重庆大学 | 基于多参数深度分布学习的工业设备状态评估方法 |
CN117853827A (zh) * | 2024-03-07 | 2024-04-09 | 安徽省大气探测技术保障中心 | 大气温室气体监测用采样泵工作状态运行监测系统及方法 |
CN117853827B (zh) * | 2024-03-07 | 2024-05-14 | 安徽省大气探测技术保障中心 | 大气温室气体监测用采样泵工作状态运行监测系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
JP6691079B2 (ja) | 2020-04-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6606050B2 (ja) | 検知装置、検知方法および検知プログラム | |
US20180174062A1 (en) | Root cause analysis for sequences of datacenter states | |
US20150242760A1 (en) | Personalized Machine Learning System | |
JP7119631B2 (ja) | 検知装置、検知方法および検知プログラム | |
JP6691079B2 (ja) | 検知装置、検知方法および検知プログラム | |
CN107169397B (zh) | 特征点检测方法及装置、图像处理系统和监视系统 | |
US20180174072A1 (en) | Method and system for predicting future states of a datacenter | |
JP6718500B2 (ja) | 生産システムにおける出力効率の最適化 | |
JP7091872B2 (ja) | 検知装置及び検知方法 | |
CN111435461A (zh) | 使用降低精度的深度神经网络的对抗性输入识别 | |
US20220066431A1 (en) | Estimation apparatus, estimation method, and computer-readable storage medium | |
US20230038463A1 (en) | Detection device, detection method, and detection program | |
CN113723734A (zh) | 时序数据的异常监测方法、装置、电子设备和存储介质 | |
US20230281068A1 (en) | Error Log Anomaly Detection | |
JP7331940B2 (ja) | 学習装置、推定装置、学習方法および学習プログラム | |
JP2019105871A (ja) | 異常候補抽出プログラム、異常候補抽出方法および異常候補抽出装置 | |
WO2016200408A1 (en) | Hybrid classification system | |
JP2019003274A (ja) | 検知システム、検知方法及び検知プログラム | |
CN113657249A (zh) | 训练方法、预测方法、装置、电子设备以及存储介质 | |
CN115705413A (zh) | 异常日志的确定方法及装置 | |
JP7331938B2 (ja) | 学習装置、推定装置、学習方法及び学習プログラム | |
US20150095490A1 (en) | Online sparse regularized joint analysis for heterogeneous data | |
US10873550B2 (en) | Methods for communication in a communication network for reduced data traffic | |
US20230351251A1 (en) | Determination device, determination method, and determination program | |
EP4328813A1 (en) | Detection device, detection method, and detection program |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20190204 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20191023 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20191119 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20200407 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20200409 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6691079 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |