머신러닝 분야에서 이상 탐지는 사이버 보안, 금융, 헬스케어, 제조, IoT 시스템 등 다양한 분야에서 중요하게 활용돼요. 기존 이상 탐지 알고리즘은 지도 및 비지도 학습 방식을 사용해 왔어요. 하지만 실제 시나리오에서는 데이터 불균형(이상 데이터가 희귀)과 지도 학습의 경우 라벨링 부족이라는 어려움이 있어요.
연구진은 Haar 이산 웨이블릿과 $t$-검정을 기반으로 하는 새로운 비지도 이상 탐지 알고리즘을 개발했어요. 제안하는 $t$-검정의 이론적 근거를 확립하고, 343개 데이터셋에 대한 실험을 통해 최첨단 비지도 및 자체 지도 벤치마크보다 성능이 우수함을 입증했어요.
이 알고리즘은 라벨링 없이도 안전이 중요한 애플리케이션에서 높은 오탐율 문제를 완화할 수 있다는 장점이 있어요.