RoCA: Robust Contrastive One-class Time Series Anomaly Detection with Contaminated Data
Created by
Haebom
Category
Empty
저자
Xudong Mou, Rui Wang, Bo Li, Tianyu Wo, Jie Sun, Hui Wang, Xudong Liu
개요
본 논문은 시간 순서대로 배열된 신호 데이터의 누적과 레이블 부족으로 인해 자기 지도 학습 문제가 되는 시계열 이상 탐지(AD)에 대해 다룹니다. 기존의 정상성 가정 기반 방법들의 한계점인 단일 가정의 부족, AD 원칙 위배 가능성, 그리고 비현실적인 무오염 훈련 데이터 가정으로 인한 견고성 저하 문제를 해결하기 위해 새로운 강건한 접근 방식인 RoCA를 제안합니다. RoCA는 one-class classification과 대조 학습의 가정을 단일 훈련 과정에서 융합하여 보다 완전한 정상성을 특징짓고, 훈련 데이터를 모니터링하여 신중하게 설계된 이상 점수를 계산하여 잠재적 이상 값을 식별하고 이를 이용하여 외레어 노출 개념을 활용하여 분류 경계를 정의합니다. AIOps 데이터셋에서 오염을 고려하지 않은 COCA 대비 6% 성능 향상을 보였으며, 두 개의 대규모 고차원 다변량 데이터셋에서 5%~10% 성능 향상을 달성, 단변량 및 다변량 데이터셋 모두에서 최고의 평균 성능을 기록했습니다. 소스 코드는 https://github.com/ruiking04/RoCA 에서 확인 가능합니다.
