Novelty Detection (신규성 탐지)

학습 데이터에 포함되지 않은 이례적이거나 새로운 데이터를 탐지하는 인공지능 기술.

이는 보통 정상(normal) 데이터만을 학습한 후, 이상(anomalous) 데이터를 식별하는 방식으로 동작한다.

(1) 개념과 목적

Novelty Detection은 정상 범주 밖의 데이터를 탐지하는 것을 목표로 하며, 이는 보안, 품질 관리, 의료 진단 등에서 필수적인 기술로 여겨진다.

일반적으로 이상 탐지(Anomaly Detection)와 혼용되기도 하지만, 완전히 새로운 유형의 패턴에 초점을 맞춘다는 점에서 차이가 있다.

(2) 주요 활용 분야

• 금융 사기 탐지
• 의료 영상 분석 (예: 종양 탐지)
• 산업 설비의 고장 예측
• 사이버 보안 위협 탐지
• 자율주행차의 위험 상황 인지

(3) 대표적인 탐지 기법

신규성 탐지에는 다양한 기법이 사용되며, 주요한 방법들은 다음과 같다.

• One-Class SVM: 정상 데이터의 경계를 정의해, 경계 밖의 데이터를 이상으로 판단
• Autoencoder: 재구성 오류를 이용해 새로운 데이터를 탐지
• Isolation Forest: 무작위 분할을 통해 고립되는 정도로 이상 여부를 평가
• GAN 기반 기법: 실제-생성 데이터의 차이를 이용해 새로운 패턴 탐지

(4) 주요 과제

신규성 탐지의 정확도는 다음과 같은 요인에 의해 크게 영향을 받는다.

• 정상 데이터만 학습하는 한계로 인한 과잉 일반화 문제
• 고차원 데이터에서의 희소성 문제 (Curse of Dimensionality)
• 정확한 평가 기준 설정의 어려움
• 실시간 탐지 시스템의 구현 복잡도