Isolation Forestによる異常検知の効率化に関する検討

摘要

Isolation Forestは二分決定木のアンサンブル学習により異常を検知する手法であり，入力データに従って各決定木を辿り，パス長の平均が基準より長ければ正常データ，短ければ異常データと判定する．この判定で，正常なデータの判定処理が必要以上に長くなるという問題がある．本研究では，決定木内の各ノードの分岐数が3以上である多値決定木を用いるIsolation Forestにより，パス長の全体的な短縮化を図る．分岐数とパス長，判別時間，枝の総数，検知精度の関係を実験的に調査し，多情決定木を用いたIsolation Forestの有効性を示す．また，異常なデータを検知したときに各決定木の各ノードで選択された属性をみることによって，異常なデータの検知に有用な属性を知ることが可能であると考え，実験によって調査を行い，異常なデータの属性解析について検討する．