요약: 비지도형 다변량 시계열 이상치 예측(AP)은 현재 관측값을 바탕으로 향후 이상 위험을 추정하여, 복잡한 시스템에서 선제적 개입과 유지보수를 위한 조기 경고 신호를 제공하는 것을 목표로 합니다. 기존의 비지도형 AP 방법들은 사전 정의된 또는 무작위로 생성된 섭동을 과거 창에 주입하여 비정상적인 미래 진화를 시뮬레이션하는 방식의 섭동 기반 패러다임을 따릅니다. 그러나 이러한 방법들은 서로 다른 변수와 맥락 간에 동일한 섭동을 공유하며, 결정론적 방식으로 과거에서 미래로의 진화를 학습합니다. 실제로 이상치의 진화는 변수와 맥락에 따라 달라지며, 동일한 섭동이 한 변수나 맥락에서는 비정상적인 미래 역학으로 증폭되는 반면, 다른 변수나 맥락에서는 정상적인 변동으로 흡수되기도 합니다. 또한, 유사한 과거 데이터가 점진적 열화나 급격한 변화 등 여러 가지 가능한 경로로 이어질 수 있기 때문에, 과거 창만으로는 미래 진화가 단일하게 결정되지 않습니다. 이러한 문제를 해결하기 위해 우리는 변수 및 맥락에 따라 조절되는 섭동과 불확실성을 고려한 미래 추론을 통해 비지도형 AP를 모델링하는 통합 프레임워크인 EVOLVE를 제안합니다. EVOLVE는 적응형 이상치 프로토타입 메모리를 통해 맥락별 이상치 섭동을 구성하며, 이를 통해 변수 수준에서 관련 섭동을 동적으로 업데이트하고 검색할 수 있습니다. 또한 EVOLVE는 여러 잠재적 과거 상태를 샘플링하고, 부드러운 진화 가설과 편차 확대 가설이라는 상호 보완적인 두 가지 진화 가설을 통해 해석함으로써 불확실성을 모델링하며, 해석된 미래 경로들 간의 불일치를 이용해 향후 이상 위험을 추정합니다. 여섯 개의 실제 벤치마크 데이터셋을 대상으로 한 광범위한 실험 결과, EVOLVE는 최신 이상치 예측 기반 모델들을 지속적으로 능가하는 성능을 보여줍니다.
투고 이력
논문 보기:
PDF 보기
HTML(실험적)
TeX 소스
추가 기능
오디오 요약
현재 탐색 컨텍스트:
참고문헌 및 인용
Google 학술검색
Semantic Scholar
북마크
기관
arXivLabs는 협력자가 당사 웹사이트에서 새로운 arXiv 기능을 직접 개발하고 공유할 수 있도록 하는 프레임워크입니다.
arXivLabs와 함께 일하는 개인과 조직 모두는 개방성, 커뮤니티, 우수성, 그리고 사용자 데이터 개인정보 보호라는 당사의 가치를 수용하고 받아들였습니다. arXiv은 이러한 가치에 헌신하며, 이에 부합하는 파트너들과만 협력합니다.
arXiv 커뮤니티에 가치를 더할 프로젝트 아이디어가 있으신가요? arXivLabs에 대해 자세히 알아보세요.