JP7188979B2 - 異常検知装置、異常検知方法および異常検知プログラム - Google Patents
異常検知装置、異常検知方法および異常検知プログラム Download PDFInfo
- Publication number
- JP7188979B2 JP7188979B2 JP2018207799A JP2018207799A JP7188979B2 JP 7188979 B2 JP7188979 B2 JP 7188979B2 JP 2018207799 A JP2018207799 A JP 2018207799A JP 2018207799 A JP2018207799 A JP 2018207799A JP 7188979 B2 JP7188979 B2 JP 7188979B2
- Authority
- JP
- Japan
- Prior art keywords
- data
- time
- series data
- fake
- discriminator
- 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.)
- Active
Links
Images
Landscapes
- Testing And Monitoring For Control Systems (AREA)
Description
以下の実施の形態では、第1の実施形態に係る異常検知装置10の構成、異常検知装置10の処理の流れを順に説明し、最後に第1の実施形態による効果を説明する。
まず、図1を用いて、異常検知装置10の構成を説明する。図1は、第1の実施形態に係る異常検知装置の構成例を示すブロック図である。図1に示すように、異常検知装置10は、ユーザ端末20とネットワーク30を介して接続されている。
次に、図6および図7を用いて、第1の実施形態に係る異常検知装置10による処理手順の例を説明する。図6は、第1の実施形態に係る異常検知装置における学習処理の流れの一例を示すフローチャートである。図7は、第1の実施形態に係る異常検知装置における異常検知処理の流れの一例を示すフローチャートである。
第1の実施形態に係る異常検知装置10は、異常検知対象に関する時系列データを取得し、敵対的生成ネットワークにおける生成器によって時系列データを基に生成されたフェイクデータと時系列データとを識別するように学習された識別器を用いて、時系列データの識別結果を出力し、該識別結果に基づいて、時系列データの異常を検知する。これにより、異常検知装置10は、精度よく異常検知を行うことが可能である。
上述した第1の実施形態では、異常検知装置10が、時系列データを用いて生成器および識別器を学習する場合を説明したが、これに限定されるものではなく、例えば、参考データとして、時系列データと同種のモードに属する過去の大量の時系列データをさらに用いて生成器および識別器を学習するようにしてもよい。
また、図示した各装置の各構成要素は機能概念的なものであり、必ずしも物理的に図示の如く構成されていることを要しない。すなわち、各装置の分散・統合の具体的形態は図示のものに限られず、その全部または一部を、各種の負荷や使用状況などに応じて、任意の単位で機能的または物理的に分散・統合して構成することができる。さらに、各装置にて行なわれる各処理機能は、その全部または任意の一部が、CPUやGPUおよび当該CPUやGPUにて解析実行されるプログラムにて実現され、あるいは、ワイヤードロジックによるハードウェアとして実現され得る。
また、上記実施形態において説明した異常検知装置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。例えば、実施形態に係る異常検知装置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異常検知プログラムを作成することもできる。この場合、コンピュータが異常検知プログラムを実行することにより、上記実施形態と同様の効果を得ることができる。さらに、かかる異常検知プログラムをコンピュータ読み取り可能な記録媒体に記録して、この記録媒体に記録された異常検知プログラムをコンピュータに読み込ませて実行することにより上記実施形態と同様の処理を実現してもよい。
11 通信処理部
12 制御部
12a 取得部
12b 学習部
12c 検知部
13 記憶部
13a 時系列データ記憶部
13b 参考データ記憶部
20 ユーザ端末
30 ネットワーク
Claims (3)
- 異常検知対象に関する時系列データを取得する取得部と、
敵対的生成ネットワークにおける生成器によって前記時系列データを基に生成されたフェイクデータと前記時系列データとを識別するように学習された識別器を用いて、前記取得部によって取得された時系列データの識別結果を出力し、該識別結果に基づいて、前記時系列データの異常を検知する検知部と
を有し、
前記取得部によって取得された時系列データおよびノイズデータを入力として、前記生成器を用いて前記フェイクデータを生成し、該フェイクデータと実測値データとを前記識別器に入力して該フェイクデータと前記実測値データとを識別し、識別結果を基に、前記実測値データに似ている前記フェイクデータを生成できるように前記生成器を最適化し、前記フェイクデータと前記実測値データの識別精度が向上できるように前記識別器を最適化する学習部をさらに有し、
前記学習部は、前記取得部によって取得された各モードの時系列データおよびノイズデータとともに、各時系列データと同種のモードの過去の時系列データを参考データとして前記生成器に入力して前記フェイクデータを生成し、該フェイクデータおよび実測値データとともに、前記参考データを前記識別器に入力して該フェイクデータと前記実測値データとを識別し、前記生成器および前記識別器を最適化し、
前記検知部は、前記取得部によって取得された検知対象の時系列データとともに、該検知対象の時系列データと同一モードの参考データを前記識別器に入力し、時系列データの識別結果を出力し、該識別結果に基づいて、異常を検知することを特徴とする異常検知装置。 - 異常検知装置によって実行される異常検知方法であって、
異常検知対象に関する時系列データを取得する取得工程と、
敵対的生成ネットワークにおける生成器によって前記時系列データを基に生成されたフェイクデータと前記時系列データとを識別するように学習された識別器を用いて、前記取得工程によって取得された時系列データの識別結果を出力し、該識別結果に基づいて、前記時系列データの異常を検知する検知工程と
を含み、
前記取得工程によって取得された時系列データおよびノイズデータを入力として、前記生成器を用いて前記フェイクデータを生成し、該フェイクデータと実測値データとを前記識別器に入力して該フェイクデータと前記実測値データとを識別し、識別結果を基に、前記実測値データに似ている前記フェイクデータを生成できるように前記生成器を最適化し、前記フェイクデータと前記実測値データの識別精度が向上できるように前記識別器を最適化する学習工程をさらに含み、
前記学習工程は、前記取得工程によって取得された各モードの時系列データおよびノイズデータとともに、各時系列データと同種のモードの過去の時系列データを参考データとして前記生成器に入力して前記フェイクデータを生成し、該フェイクデータおよび実測値データとともに、前記参考データを前記識別器に入力して該フェイクデータと前記実測値データとを識別し、前記生成器および前記識別器を最適化し、
前記検知工程は、前記取得工程によって取得された検知対象の時系列データとともに、該検知対象の時系列データと同一モードの参考データを前記識別器に入力し、時系列データの識別結果を出力し、該識別結果に基づいて、異常を検知することを特徴とする異常検知方法。 - 異常検知対象に関する時系列データを取得する取得ステップと、
敵対的生成ネットワークにおける生成器によって前記時系列データを基に生成されたフェイクデータと前記時系列データとを識別するように学習された識別器を用いて、前記取得ステップによって取得された時系列データの識別結果を出力し、該識別結果に基づいて、前記時系列データの異常を検知する検知ステップと
をコンピュータに実行させ、
前記取得ステップによって取得された時系列データおよびノイズデータを入力として、前記生成器を用いて前記フェイクデータを生成し、該フェイクデータと実測値データとを前記識別器に入力して該フェイクデータと前記実測値データとを識別し、識別結果を基に、前記実測値データに似ている前記フェイクデータを生成できるように前記生成器を最適化し、前記フェイクデータと前記実測値データの識別精度が向上できるように前記識別器を最適化する学習ステップをさらにコンピュータに実行させ、
前記学習ステップは、前記取得ステップによって取得された各モードの時系列データおよびノイズデータとともに、各時系列データと同種のモードの過去の時系列データを参考データとして前記生成器に入力して前記フェイクデータを生成し、該フェイクデータおよび実測値データとともに、前記参考データを前記識別器に入力して該フェイクデータと前記実測値データとを識別し、前記生成器および前記識別器を最適化し、
前記検知ステップは、前記取得ステップによって取得された検知対象の時系列データとともに、該検知対象の時系列データと同一モードの参考データを前記識別器に入力し、時系列データの識別結果を出力し、該識別結果に基づいて、異常を検知することを特徴とする異常検知プログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018207799A JP7188979B2 (ja) | 2018-11-02 | 2018-11-02 | 異常検知装置、異常検知方法および異常検知プログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018207799A JP7188979B2 (ja) | 2018-11-02 | 2018-11-02 | 異常検知装置、異常検知方法および異常検知プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2020071845A JP2020071845A (ja) | 2020-05-07 |
JP7188979B2 true JP7188979B2 (ja) | 2022-12-13 |
Family
ID=70547912
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018207799A Active JP7188979B2 (ja) | 2018-11-02 | 2018-11-02 | 異常検知装置、異常検知方法および異常検知プログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7188979B2 (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7392996B2 (ja) | 2019-06-19 | 2023-12-06 | 金居開發股▲分▼有限公司 | アドバンスド電解銅箔及びそれを適用した銅張積層板 |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7453136B2 (ja) | 2020-12-25 | 2024-03-19 | 株式会社日立製作所 | 異常検出装置、異常検出方法及び異常検出システム |
KR102570576B1 (ko) * | 2021-04-07 | 2023-08-25 | 엘아이지넥스원 주식회사 | 비지도 학습과 지도 학습을 이용한 고장 진단 방법 및 장치 |
CN117009751B (zh) * | 2023-10-07 | 2024-05-07 | 南方电网数字电网研究院有限公司 | 基于自适应的时序数据清洗方法和装置 |
CN117952564B (zh) * | 2024-03-22 | 2024-06-07 | 江西为易科技有限公司 | 一种基于进度预测的排程模拟优化方法及系统 |
-
2018
- 2018-11-02 JP JP2018207799A patent/JP7188979B2/ja active Active
Non-Patent Citations (2)
Title |
---|
LI Dan et al.,Anomaly Detection with Generative Adversarial Networks for Multivariate Time Series,arXiv.org [online],2018年10月09日,pp.1-10,[2022年4月26日検索], インターネット<URL : https://arxiv.org/abs/1809.04758v2> |
ZENATI Houssam et al.,EFFICIENT GAN-BASED ANOMALY DETECTION,arXiv.org [online],2018年02月17日,pp.1-7,[2022年4月26日検索], インターネット<URL : https://arxiv.org/abs/1802.06222v1> |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7392996B2 (ja) | 2019-06-19 | 2023-12-06 | 金居開發股▲分▼有限公司 | アドバンスド電解銅箔及びそれを適用した銅張積層板 |
Also Published As
Publication number | Publication date |
---|---|
JP2020071845A (ja) | 2020-05-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7188979B2 (ja) | 異常検知装置、異常検知方法および異常検知プログラム | |
JP7223839B2 (ja) | 異常検出および/または予知保全のためのコンピュータ実装方法、コンピュータプログラム製品およびシステム | |
AU2019201857B2 (en) | Sparse neural network based anomaly detection in multi-dimensional time series | |
KR101903283B1 (ko) | 발전 설비의 자동 진단 시스템 및 자동 진단 방법 | |
US20200364387A1 (en) | Operations and maintenance system and method employing digital twins | |
US11551111B2 (en) | Detection and use of anomalies in an industrial environment | |
JP2022523563A (ja) | 機械学習および人工知能を使用する、機械異常の近リアルタイム検出ならびに分類 | |
US11532056B2 (en) | Deep convolutional neural network based anomaly detection for transactive energy systems | |
CN112884092B (zh) | Ai模型生成方法、电子设备及存储介质 | |
JP2018185794A (ja) | 送電網におけるサイバー脅威を検出するための複数モデル複数領域の特徴発見 | |
JP2019012555A (ja) | 人工知能モジュール開発システム及び人工知能モジュール開発統合システム | |
JPWO2017094267A1 (ja) | 異常検出システム、異常検出方法、異常検出プログラム及び学習済モデル生成方法 | |
US11580629B2 (en) | System and method for determining situation of facility by imaging sensing data of facility | |
US20220191113A1 (en) | Method and apparatus for monitoring abnormal iot device | |
CN114444074A (zh) | 一种异常区块链节点检测方法及装置 | |
CN116894211A (zh) | 用于生成能由人类感知的解释性输出的系统及用于监控异常识别的方法和计算机程序 | |
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 | |
US20210080924A1 (en) | Diagnosis Method and Diagnosis System for a Processing Engineering Plant and Training Method | |
WO2021178649A1 (en) | An algorithmic learning engine for dynamically generating predictive analytics from high volume, high velocity streaming data | |
CN110770753B (zh) | 高维数据实时分析的装置和方法 | |
Al-Dahidi et al. | A novel fault detection system taking into account uncertainties in the reconstructed signals | |
EP4283422A1 (en) | Quality prediction system, model-generating device, quality prediction method, and quality prediction program | |
CN115278757A (zh) | 一种检测异常数据的方法、装置及电子设备 | |
JP7363889B2 (ja) | 学習装置、学習方法、コンピュータプログラム及び記録媒体 | |
JP6795448B2 (ja) | データ処理装置、データ処理方法およびプログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210624 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220510 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20220511 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220701 |
|
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: 20221115 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20221201 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7188979 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |