[논문리뷰]GAN 모형과 DNN 모형을 이용한 이상 탐지에 관한 연구

간단히 해당 아이디어를 어떻게 생각했는지, 목표가 무엇인지, 구현은 됬는지, 결과는 어떘는지의 순서로 작성하도록 하겠습니다.

2014년에 이안 굿 팔로우 라는 개인적으로 존경하는 머신러닝연구자께서 Generative Adversiral Network(적대적 생성 신경망) 이라는 개념으로 논문을 발표하셨고, 그 이후로 수많은 GAN 관련 논문들이 쏟아져 나오고 있습니다.

(GAN을 부르는 용어도 다양한데, 갠, 간, 잰 등으로 부르는 듯합니다)

제가 2018년도 인턴십을 진행하면서 머신러닝 서치를 하게 되었고 그 와중에 GAN에 대해 배우게 되었습니다. 위조를 판별하는 경찰과 경찰을 속이려는 위조범 사이의 경쟁을 통해 성능 향상이라는 흥미로운 알고리즘을 가지고 있었고 인턴십이 끝난 후에 학부연구생으로써 논문을 쓸 기회가 생겼습니다.

인턴십을 하면서 현재 Anormaly Detection(이상 탐지) 분야에도 머신러닝기술이 많이 접목됨을 알고 있었습니다. 인턴십을 하면서 가장 중점적인 업무가 이상탐지 데이터셋을 찾는 것이었는데, 막상 데이터셋을 찾더라도 원하는 anormal 데이터가 없어서 필요없는 경우가 대다수였습니다.

해서 이러한 이상데이터셋을 생성하여 머신러닝을 학습시키면 어떨까라는 아이디어를 떠올리게 되었습니다. 

구현은 jupyter notebook + tensorflow + python 를 이용했고 

목표했던 이상탐지율을 기존 60% -> 90% 까지 향상시킬 수 있었습니다.

특정 데이터셋을 단순히 복사+붙여넣기를 하는 것보다 데이터에 오버피팅이 되지 않는다고 생각했습니다. 다만 아쉬운 점은 저는 단순이 GAN를 이용하여 데이터를 생성하는데 만족했지만 최근에 나오는 논문들을 보면 더 다양한 방식으로 원하는 데이터를 특정하여 생성하고 조절하여 데이터셋을 더욱 풍족하게 하는 수준으로 까지 진행 되었습니다. 

또한 GAN를 이용하여 뇌 사진을 생성하고 비교하는 방법으로 알츠하이머를 진단하는 등 다양한 방식으로 사용되고 있는 듯 합니다.

후기

비록 정식 논문이 아닌 소논문이지만 처음으로 논문을 작성해보고 상까지 타본 좋은 경험이었습니다.

<논문 URL>

http://www.dbpia.co.kr/journal/articleDetail?nodeId=NODE07565090&language=ko_KR

GAN모델과 DNN모델을 활용한 Anomaly Detection에 관한 연구

<Github URL>

https://github.com/UC-KyeungseokKang/ML_for_anormaly_detect

UC-KyeungseokKang/ML_for_anormaly_detect