领域:异常检测,深度学习 方法:非监督对抗学习 场景:硬盘故障检测 网络结构:基于LSTM自编码器与生成式对抗网络相结合 数据集:BackBlaze 采用非监督对抗学习的好处,由于训练阶段未用到异常样本(即正样本),模型不受样本不均衡的影响,很好的避免了由于训练样本不均衡导致的过拟合问题。 已有研究大都使用5 天以内的短期序列数据进行学习和检测,不能很好的学习到自我监测分析报告数据长期稳定的变化趋势,使得模型不具有鲁棒性。同时结合14年提出的生成式对抗网络。故提出了基于LSTM的自编码器与生成式对抗网络相结合的网络结构,采用对抗训练方法,使模型学习正常样本在样本空间和潜在空间两个....