Swift Hydra: Self-Reinforcing Generative Framework for Anomaly Detection with Multiple Mamba Models
Created by
Haebom
Category
Empty
저자
Nguyen Do, Truc Nguyen, Malik Hassanaly, Raed Alharbi, Jung Taek Seo, My T. Thai
개요
본 논문은 생성 AI와 강화 학습(RL)을 기반으로 하는 새로운 이상 탐지 프레임워크인 Swift Hydra를 제시합니다. Swift Hydra는 생성 모델의 잠재 변수를 조작하는 RL 정책을 통해 기존 탐지 모델을 우회할 수 있는 다양한 새로운 이상 샘플을 생성합니다. 이렇게 생성된 합성 샘플은 탐지 모델을 강화하는 데 사용되어 어려운 이상 현상을 처리하는 능력을 향상시킵니다. 또한, 전문가 혼합(MoE)으로 구성된 Mamba 모델을 통합하여 데이터 복잡도에 따라 Mamba 전문가의 수를 확장 가능하게 조정함으로써 모델의 추론 시간을 늘리지 않고 다양한 특징 분포를 효과적으로 포착합니다. ADBench 벤치마크에 대한 실험적 평가 결과, Swift Hydra는 다른 최첨단 이상 탐지 모델보다 우수한 성능을 보이는 동시에 상대적으로 짧은 추론 시간을 유지합니다. 이러한 결과를 통해 강화 학습과 생성 AI를 통합하는 새로운 패러다임이 이상 탐지 발전에 기여할 수 있음을 보여줍니다.
