본 논문은 다변량 시계열에서 특정 구성 요소의 분포 변화에만 초점을 맞춘 변화점 검출 방법을 제안합니다. 기존 방법들이 모든 변수의 결합 분포 변화를 고려하는 것과 달리, 본 논문에서는 구조적 인과 모델을 가정하고, 제약 기반 인과 추론 방법을 통해 인과 구조를 학습한 후, 조건부 상대 피어슨 발산을 이용하여 변화점을 검출합니다. 조건부 상대 피어슨 발산은 시계열의 연속된 구간 간의 분포 차이를 정량화하며, 인과 추론은 독립 동일 분포(IID) 샘플에 접근할 수 있도록 합니다. 인과 마르코프 조건을 기반으로 기존 방법의 IID 가정을 완화하고, 합성 및 실제 데이터셋을 통해 제안 방법의 유용성을 검증합니다.
