开放环境下的鲁棒异常检测
异常检测是安全领域一项重要任务,但异常检测模型依然会因“概念漂移”问题而失效,本文介绍一种解决思路。
异常检测是安全领域一项重要任务,但异常检测模型依然会因“概念漂移”问题而失效,本文介绍一种解决思路。
本文介绍了概念漂移样本检测领域的最新研究工作,该方法在两个公开数据集上的F1值都能达到0.96,且提供了可解释性,在任何使用的机器学习的场景中均可使用,有利于对模型进行评估、纠错、更新。