인천대학교 인디고클랫폼 인천대학교 기술지원허브

본 발명은 딥러닝 기반 생성모델의 잠재공간에서 정상 데이터와 이상 데이터의 분리를 명시적으로 증대시켜 이상 감지의 정확도를 향상하는 잠재공간 기반 이상 데이터 감지 및 분리 방법에 관한 것이다. 입력 데이터는 인코더를 통해 잠재벡터로 매핑되고, 학습 과정에서 정상 분포와 이상 분포 간 분리도를 정량화하여 확장하는 분리 손실(예: KL, Wasserstein, 마할라노비스 기반)을 총 손실함수에 포함함으로써 잠재공간 상 간극을 체계적으로 확대한다. 추론 시에는 대상 샘플의 복원 오차와 잠재공간에서의 정상 분포와의 거리 지표를 가중 결합한 이상 점수를 산출하고, 자동 또는 사용자 지정 임계값을 적용하여 이상 여부를 판정한다. 선택적으로 잠재공간 클러스터링을 수행해 라벨이 없는 환경에서도 임계값과 군집 경계를 자가 보정할 수 있다. 본 방법은 고차원·비선형 데이터에서도 견고하게 동작하며, 로봇 매니퓰레이터의 힘·토크·진동 등 센서 데이터, 제조 설비 상태 모니터링, 의료·자율주행·네트워크 보안 등 다양한 응용 도메인에 적용 가능하다.