초록 ▼

본 발명의 일 실시예에 따른 이상 탐지 방법은 정상 데이터(10)를 입력으로 하여 사전 결정된 차원의 벡터를 출력하도록 오토 인코더(E)(auto encoder)를 학습시키는 준비 단계(S100), 상기 준비 단계에서 훈련된 오토 인코더(TE)에 훈련용 데이터를 입력하여 획득한 벡터 정보를 가공한 후, 가공된 훈련용 데이터 벡터 정보를 활용하여 분류기(S)를 학습시킴으로써 상기 분류기(S)가 정상 데이터와 이상 데이터를 구분하는 능력을 향상시키는 분류기(S) 생성 단계(S200)를 포함한다. 본 발명의 일 실시예에 따르면, 확보된

본 발명의 일 실시예에 따른 이상 탐지 방법은 정상 데이터(10)를 입력으로 하여 사전 결정된 차원의 벡터를 출력하도록 오토 인코더(E)(auto encoder)를 학습시키는 준비 단계(S100), 상기 준비 단계에서 훈련된 오토 인코더(TE)에 훈련용 데이터를 입력하여 획득한 벡터 정보를 가공한 후, 가공된 훈련용 데이터 벡터 정보를 활용하여 분류기(S)를 학습시킴으로써 상기 분류기(S)가 정상 데이터와 이상 데이터를 구분하는 능력을 향상시키는 분류기(S) 생성 단계(S200)를 포함한다. 본 발명의 일 실시예에 따르면, 확보된 이상 데이터가 적더라도 임의의 외부 데이터가 정상 데이터인지 이상 징후를 나타내는 이상 데이터인지 쉽게 분류할 수 있다.

대표청구항 ▼

정상 데이터를 입력으로 하여 사전 결정된 차원의 벡터를 출력하도록 오토 인코더(auto encoder)를 학습시키는 준비 단계(S100); 및 상기 준비 단계에서 훈련된 오토 인코더에 훈련용 데이터를 입력하여 획득한 벡터 정보를 가공한 후, 가공된 훈련용 데이터 벡터 정보를 활용하여 분류기를 학습시킴으로써 상기 분류기가 정상 데이터와 이상 데이터를 구분하는 능력을 향상시키는 분류기 생성 단계(S200)를 포함하고, 상기 분류기 생성 단계(S200)는 상기 준비 단계에서 훈련된 오토 인코더(TE)에 훈련용 정상 데이터(training

정상 데이터를 입력으로 하여 사전 결정된 차원의 벡터를 출력하도록 오토 인코더(auto encoder)를 학습시키는 준비 단계(S100); 및 상기 준비 단계에서 훈련된 오토 인코더에 훈련용 데이터를 입력하여 획득한 벡터 정보를 가공한 후, 가공된 훈련용 데이터 벡터 정보를 활용하여 분류기를 학습시킴으로써 상기 분류기가 정상 데이터와 이상 데이터를 구분하는 능력을 향상시키는 분류기 생성 단계(S200)를 포함하고, 상기 분류기 생성 단계(S200)는 상기 준비 단계에서 훈련된 오토 인코더(TE)에 훈련용 정상 데이터(training normal data)를 입력하여 정상 벡터를 생성하는 단계(S210); 상기 정상 벡터를 대표하는 기준 벡터를 결정하는 단계(S220);상기 준비 단계에서 훈련된 오토 인코더에 훈련용 이상 데이터(training anomaly data)를 입력하여 이상 벡터를 생성하는 단계(S230); 상기 기준 벡터와 상기 정상 벡터 사이의 상관관계를 계산하여 정상 관계 벡터를 생성하는 단계(S240); 상기 기준 벡터와 상기 이상 벡터 사이의 상관관계를 계산하여 이상 관계 벡터를 생성하는 단계(S250); 및상기 정상 관계 벡터 및 이상 관계 벡터를 입력으로 하고 상기 정상 관계 벡터에 대한 출력은 "정상 데이터"로, 상기 이상 관계 벡터에 대한 출력은 "이상 데이터(anomalous data)"로 설정하여 분류기를 학습하는 단계(S260)를 포함하며, 상기 훈련된 오토 인코더에 외부 데이터(external data)를 입력하여 획득한 벡터 정보를 가공한 후, 가공된 외부 데이터 벡터 정보를 분류기에 입력하면, 상기 분류기는 상기 외부 데이터가 정상 데이터인지 이상 데이터인지 분류하는 데이터 분류 단계(S300)를 더 포함하는, 이상 탐지 방법.