본 논문은 지속적인 개념 이동 감지 모니터링이 필요한 실제 환경의 머신러닝 모델에서 개념 이동(Concept Drift) 문제를 해결하기 위해, 비지도 학습 기반의 실시간 개념 이동 감지 및 특성화 프레임워크인 DriftLens를 제안합니다. DriftLens는 심층 학습 표현에서의 분포 거리를 활용하여 비효율적이고 부정확한 기존 방법들의 한계를 극복하고, 효율적이고 정확한 감지를 가능하게 합니다. 또한, 각 레이블에 대한 영향을 분석하여 개념 이동을 특성화하고 설명합니다. 다양한 분류기와 데이터 유형에 대한 평가 결과, DriftLens는 기존 방법보다 15/17개의 사용 사례에서 우수한 성능을 보였으며, 최소 5배 이상 빠른 속도와 실제 이동과 높은 상관관계(0.85 이상)를 가진 이동 곡선을 생성하고, 대표적인 이동 샘플을 효과적으로 식별하여 설명하는 것으로 나타났습니다.
