南京邮电大学学报(自然科学版)

作者：蔚　焘,成卫青

单位：南京邮电大学 计算机学院、软件学院、网络空间安全学院，江苏 南京 210023南京邮电大学 计算机学院、软件学院、网络空间安全学院，江苏 南京 210023

关键词：异常检测；记忆网络；生成式对抗网络；对抗自编码器

基金：国家自然科学基金(61170322)和江苏省研究生教育教学改革课题(JGZZ19_038)资助项目

深度自编码器是异常检测领域中被广泛使用的深度学习模型。记忆增强的自编码器模型(Memory augmented Autoencoder Model, MemAE)通过记忆增强模块解决传统自编码器泛化能力过强的问题，并取得了良好的效果。针对自编码器对于训练数据的正常模式提取能力有限这个问题，通过融合对抗自编码器(Adversarial Autoencoder, AAE)的对抗学习过程，提出基于记忆增强的对抗自编码器模型(Memory augmented Adversarial Autoencoder Model, MemAAE)。相比于原模型，增加判别器模块，将自编码器与记忆模块视为生成器，使生成器输出的聚合后验分布与先验分布相匹配，弥补了自编码器能力不足的缺点，提高了重构的效果，并在一定程度上避免了可能出现的模式崩溃问题。在多个文本数据集和MNIST图像数据集上的实验结果表明，改进之后的模型与已有的异常检测模型相比，文中提出的模型MemAAE总体性能更优。

来源：2021年第6期

《南京邮电大学学报(自然科学版)》期刊编辑部

查看南京邮电大学学报(自然科学版)杂志2021年第6期