Унифицирующий обзор глубоких и поверхностных методов обнаружения аномалий

В последнее время методы глубокого обучения для обнаружения аномалий (AD) улучшили передовой уровень качества обнаружения на сложных наборах данных, таких как большие коллекции изображений или текстов. Эти результаты возродили интерес к проблеме обнаружения аномалий и привели к появлению большого разнообразия новых методов. В связи с возникновением многочисленных методов, включая подходы, основанные на генеративных моделях, классификации объектов одного класса и реконструкции, возрастает необходимость рассмотреть методы этой области в систематической и унифицированной перспективе. В данном обзоре мы стремимся выявить общие лежащие в основе принципы и допущения, которые различные методы часто используют неявно. В частности, мы устанавливаем связи между классическими «поверхностными» и новыми глубокими подходами и показываем, каким образом это взаимное влияние может способствовать развитию обоих направлений или расширять их возможности. Кроме того, мы проводим эмпирическую оценку основных существующих методов, обогащённую применением современных методов объяснимости, и приводим конкретные подробные примеры вместе с практическими рекомендациями. Наконец, мы описываем ключевые нерешённые проблемы и определяем конкретные направления дальнейших исследований в области обнаружения аномалий.