본 논문은 비지도 학습 기반 다변량 시계열 이상 탐지(UMTSAD) 문제를 해결하기 위해 AMAD 모델을 제안합니다. 기존의 Transformer 기반 모델들이 특정 이상 패턴에 의존하는 한계를 극복하고자, AMAD는 AutoMask 메커니즘과 attention mixup 모듈을 통합하여 일반화된 이상 연관 표현 프레임워크를 구축합니다. Max-Min 학습 전략과 Local-Global 대조 학습 기법을 추가적으로 활용하여 다양한 이상 상황에 대한 강건하고 적응력 있는 해결책을 제공합니다. 다양한 데이터셋에 대한 실험 결과를 통해 기존 최고 성능 모델들과 비교하여 경쟁력 있는 결과를 달성함을 보여줍니다.
