我們參照(Chandola等人[2007]【1】)的深度異常檢測(DAD)的調查方法。我們的調查對DAD技術的研究和應用進行了詳細和結構化的概述。我們把我們的主要貢獻總結如下:
本章按照圖5中描述的結構組織。在第8節中,我們確定了決定問題形成的各個方面,並強調了異常檢測相關的豐富性和複雜性。我們引入並定義了兩種類型的模型:上下文模型、集體模型或羣體異常模型。在第9節中,我們簡要描述了基於深度學習的異常檢測的不同應用領域。在後面的章節中,我們將根據深度學習技術所屬的研究領域對其進行分類。根據訓練目標和標籤可用性,基於深度學習的異常檢測技術可以分為有監督的(10.1節)、無監督的(10.5節)、混合的(10.3節)和單類神經網路(10.4節)。對於每一類技術,我們還討論了它們在訓練和測試階段的計算複雜度。在第8.4節中,我們將討論基於點、上下文和集體(組)深度學習的異常檢測技術。我們在第12節中討論了各種現有技術的侷限性和相對性能。第13節是結束語。