다변량 시계열 이상 탐지에서의 센서 간 관계 유형을 반영하는 그래프 구조 학습

Abstract

현실 세계의 시스템들은 고장 등 이상 상황의 탐지를 위해 시스템을 모니터링하여 다변량 시계열 데이터를 수집하고 있다. 효율적인 탐지를 위해서는 시스템 데이터의 각 시계열이 수집된 데이터 소스 간 형성된 관계 구조를 고려해야 하는데, 이런 관계 구조의 예로 가상 물리 시스템의 센서 간 관계 구조를 들 수 있다. 그런 데 일반적으로 이에 관한 정보는 알려지지 않아, 선행 연구에서는 정상 시스템 데이터에서 이 관계 구조를 학습하고 그래프 형태로 나타내는 그래프 구조 학습을 진행한다. 그러나 이러한 과정에서 데이터 소스인 센서 간 관계 유무만을 고려할 뿐 관계의 유형까지는 고려하지 않았다. 본 논문에서는 이 문제를 해결하기 위해 관계의 유형까지도 반영하는 그래프 구조 학습과 이에 기반하는 이상 탐지 모델을 제안하며, 실험을 통해 그래프 구조 학습에 관계 유형을 고려하는 것이 이상 탐지 성능을 향상함을 보인다.