近日，实验室2021级博士生何润东一篇论文“Towards Safe and Robust Weakly-Supervised Anomaly Detection under Subpopulation Shift”（作者：何润东，韩忠义，尹义龙）被中科院一区期刊Knowledge-Based Systems (KBS) 录用。KBS是人工智能领域的国际性交叉学科期刊，该期刊专注于基础知识和基于其他人工智能技术的研究，发表该领域的原创、创新和创造性成果。KBS属于中科院SCI期刊分区计算机科学类一区期刊。

异常检测是让社会更安全、更和谐的一项重要技术。现有的弱监督异常检测工作忽略了子类转移的问题，即在训练期间没有观察到新的异常子类，但在测试集中出现了。这种设置具有挑战性和价值，但在以前的文献中从未研究过。为了解决这个问题，我们构建了一个无偏的风险估计器来分析这个新问题。然后，根据无偏风险估计器，我们提出了一种新颖有效的方法，称为SPSAD。该方法将四个部分串联起来使用。SPSAD首先提出了一个初步筛选模块，该模块利用了新提出的交叉统计量，从未标记的数据中挖掘出初步的属于新的异常子类的实例。然后，基于挖掘的样本来更新相似性统计量，SPSAD可以在未标记的数据中分别提取可靠的异常和正常实例。然后，SPSAD对在初步筛选阶段获得的实例进行过滤，以获得新的异常子类的干净实例。最后，基于挖掘出的实例，SPSAD构建了一个鲁棒的风险估计器，成功地完成了子类转移下的弱监督异常检测。此外，我们进行了一些理论分析，证明了新问题的可行性，这为我们设计的算法提供了一定的理论保障。一系列的实证研究表明，我们的算法明显优于目前的技术。