CATCH: Channel-Aware multivariate Time Series Anomaly Detection via Frequency Patching
Created by
Haebom
저자
Xingjian Wu, Xiangfei Qiu, Zhengyu Li, Yihang Wang, Jilin Hu, Chenjuan Guo, Hui Xiong, Bin Yang
개요
다변량 시계열의 이상 탐지는 이질적인 하위 시계열 이상이 발생할 수 있기 때문에 어렵습니다. 주파수 영역에서 정상 패턴을 학습하여 다양한 이상 하위 시계열을 탐지하는 재구성 기반 방법은 유망한 결과를 얻지만, 여전히 미세한 주파수 특성과 채널 상관관계를 포착하는 데 부족합니다. 이러한 한계를 극복하기 위해 주파수 패치 기반 프레임워크인 CATCH를 제안합니다. 주파수 영역을 주파수 대역으로 패치하여 미세한 주파수 특성을 포착하는 능력을 향상시킵니다. 적절한 채널 상관관계를 인식하기 위해 패치별 마스크 생성기와 마스크된 어텐션 메커니즘을 특징으로 하는 채널 융합 모듈(CFM)을 제안합니다. 이중 수준 다중 목적 최적화 알고리즘에 의해 CFM은 적절한 패치별 채널 상관관계를 반복적으로 발견하고 관련 채널을 클러스터링하는 동시에 무관한 채널의 부정적인 영향을 분리하도록 장려됩니다. 10개의 실제 데이터 세트와 12개의 합성 데이터 세트에 대한 광범위한 실험은 CATCH가 최첨단 성능을 달성함을 보여줍니다. 코드와 데이터 세트는 https://github.com/decisionintelligence/CATCH 에서 제공됩니다.
