# Radon-Nikod\'ym Derivative: Re-imagining Anomaly Detection from a Measure Theoretic Perspective

### 저자

Shlok Mehendale, Aditya Challa, Rahul Yedida, Sravan Danda, Santonu Sarkar, Snehanshu Saha

### 개요

본 논문은 이상 탐지 손실 함수 설계의 기본 원리가 측도 이론의 기본 개념인 Radón-Nikodym (RN) 정리에 있다는 것을 밝힙니다.  기존 손실 함수에 RN 미분을 곱하는 것이 전반적인 성능을 향상시킨다는 것을 보여주며, 이를 RN-Loss라고 명명합니다.  이상 탐지의 PAC 학습 가능성을 이용하여 이를 입증하고, RN 미분이 비지도 클러스터링 기반 이상 탐지에도 중요한 통찰력을 제공함을 보여줍니다. 의료, 사이버 보안, 금융 등 다양한 분야의 96개 데이터셋(일변량 및 다변량 데이터 포함)을 사용하여 실험을 진행한 결과, 다변량 데이터셋의 68%에서, 시계열(일변량) 데이터셋의 72%에서 최고의 F1 점수를 달성하며 최첨단 방법들을 능가하는 성능을 보였습니다.

### 시사점, 한계점

- **시사점:**

    - RN 미분을 활용한 RN-Loss가 이상 탐지 성능을 향상시키는 효과적인 방법임을 제시.

    - 다양한 분야의 광범위한 데이터셋에서 SOTA 성능을 달성.

    - 비지도 클러스터링 기반 이상 탐지에 대한 새로운 관점 제시.

- **한계점:**

    - RN 정리에 대한 깊이 있는 수학적 이해가 필요할 수 있음.

    - 특정 데이터셋에 대해서는 성능 향상이 제한적일 수 있음 (다변량 32%, 시계열 28% 미달성).

    - 96개 데이터셋의 구체적인 내용 및 특징에 대한 자세한 설명 부족.

[PDF 보기](https://arxiv.org/pdf/2502.18002)

For the site tree, see the [root Markdown](https://slashpage.com/haebom.md).