VAE与GAN做异常检测的原理

近几年，有大量的人用VAE和GAN来做异常检测，用这两个模型做异常检测的假设都是一样的，即假定正常数据是服从某一种分布的，而异常数据是不能够拟合进这个分布的，因此我们可以用VAE和GAN来找到正常数据的分布，从而用这个分布来做异常检测。

1、VAE

VAE是变分自编码器的简称，该模型最开始提出的目的是为了找到训练数据的分布，从而用这个分布来生成数据。从另一个角度而言，如果我们能够找到正常数据的分布，那么我们就可以用这个分布来做异常检测。具体来说，我们在训练数据上训练好一个VAE，该VAE的encoder能够将输入数据X映射到隐变量Z，decoder将隐变量Z再映射回X，当我们训练好一个VAE之后，如果我们输入一个异常数据，该模型很大概率会将该异常数据重构成一个正常数据，因此我们就可以判别输入数据是否是一个正常数据。用一句话概括，就是正常数据重构成正常数据的概率会很高，而异常数据重构成异常数据的概率会很低，而且一般来说我们输入一个异常数据，VAE也会将其重构成一个正常数据。

2、GAN

GAN做异常检测的原理和VAE是一样的，只不过这两者得到正常数据的分布的方式不同，VAE通过变分推断来得到训练数据的分布，而GAN直接使用生成器来模拟数据的分布，用判别器来判断生成器模拟的分布的好坏。

这两者都可以用来做异常检测，也都是基于训练数据的分布，但是VAE的鲁棒性比GAN更好，但是GAN在调优之后效果比VAE更好。