본 논문은 데이터 오용 및 조작 위험 증가에 따라 시계열 대형 모델(TSLM)에 의해 생성된 합성 시계열을 식별하는 문제를 연구합니다. 기존의 텍스트 생성 모델 탐지 방법이 시계열 데이터에는 적합하지 않다는 점을 지적하고, 모델 생성 시계열이 재귀적 예측 하에서 점진적으로 불확실성이 감소하는 '수축 가설'을 제안합니다. 이 가설을 이론적으로 증명하고, 이를 기반으로 불확실성 지표를 누적하여 TSLM 생성 시계열을 식별하는 화이트박스 탐지기인 UCE(Uncertainty Contraction Estimator)를 제시합니다. 32개의 데이터셋에 대한 광범위한 실험을 통해 UCE가 기존의 방법들을 능가하는 성능을 보임을 입증했습니다.
