摘要

异常检测——即识别与以往观测模式显著偏离的模式——是人工智能领域的一项基础性问题。近期研究表明，基于分类的方法在该任务上取得了优异性能。本文提出一种统一的视角，并引入一种开放集异常检测方法GOAD，以缓解当前方法在泛化能力上的假设限制。此外，我们通过引入随机仿射变换，将基于变换的方法的应用范围拓展至非图像数据。实验结果表明，所提方法在多种数据类型上均达到了当前最优的检测精度，且具有广泛的适用性。该方法在多个来自不同领域的数据集上均得到了充分验证，展现出卓越的性能。