深度学习(DL)容易受到分布外出和对抗性样本的影响，从而导致不正确的输出。为了使DL更健壮，最近提出了几种后方法异常检测技术来检测(并丢弃)这些异常样本。本研究试图为基于DL的应用程序异常检测的研究提供一个结构化的、全面的综述。我们根据现有技术的基本假设和采用的方法为它们提供了一个分类。我们讨论了每个类别中的各种技术，并提供了这些方法的相对优势和劣势。我们在这次调查中的目标是提供一个更容易，但更好地理解技术属于不同的类别，在这方面的研究已经做了。最后，我们强调了在DL系统中应用异常检测技术所面临的未解决的研究挑战，并提出了一些具有重要影响的未来研究方向。