基于边缘异常候选集的迭代式主动多元时序异常检测算法

来源：计算机应用杂志2024年第5期北京时间：

作者：孟凡, 杨群力, 霍静, 王新宽

单位：1.江苏省战略与发展研究中心 公共信用信息中心, 南京 210036；2.计算机软件新技术国家重点实验室(南京大学), 南京 210093；3.中国移动江苏公司扬州分公司, 江苏 扬州 225012

摘要：无监督多元时间序列（MTS）异常检测方法因标注成本低而广受关注，但传统方法一般基于两个假设：1）服从独立同分布（IID）假设，即假设时序数据样本之间和属性之间不存在依赖关系；2）高净度启动假设，即假设可拥有完全正常态的时序数据集进行训练。以上假设在实际场景中往往难以满足。为此，提出一种基于边缘异常候选集的迭代式主动多元时序异常检测算法（EraseMTS）。首先，利用一种多粒度时序特征学习方法捕捉子序列内和子序列间的依赖关系，并在此基础上对原始多元时间序列进行再表示；其次，提出一种利用边缘异常候选集的选择策略，以子序列异常得分为基础，同时考虑异常程度，选择待人工交互的范围；最后，提出一种迭代式子序列权重更新机制，将异常反馈信息融入无监督异常检测模型的训练过程中，通过迭代方式不断优化初始训练模型性能。在UCR时间序列库中的4个数据集和1个人工合成数据集上对所提算法的检测性能、可扩展性和稳定性进行验证，实验结果表明该算法能够有效且稳定运行。

关键词：异常检测,多元时间序列,权重更新,多粒度表示,主动学习

基金资助：江苏省社会信用体系建设专项资金资助项目(JSZC?G2018-393);南京大学计算机软件新技术国家重点实验室资助项目(KFKT2022B27)