다변량 시계열에서 심층 이상 탐지를 위한 Otsu method 기반 이상 임계값

Abstract

다변량 시계열에서 딥러닝 모델을 활용하여 이상을 탐지하는 심층 이상 탐지 기술은 시계열 분석 영역에서 활발하게 연구되고 있다. 기존 연구는 딥러닝 모델을 학습하는 데이터가 모두 정상이라고 가정하며, 학습된 모델의 복원 오차 기반 이상 점수를 계산하고 이상 임계값 설정을 통해 이상을 탐지한다. 하지만, 실제 고도화된 시스템에서는 정상 상황에서 데이터를 측정하기 매우 어려우므로 학습 데이터에는 이상 데이터가 일부 포함되는 경우가 많다. 이러한 상황에서는 이상 데이터의 이상 점수가 높게 계산되므로 탐지를 위한 이상 임계값도 적절하게 설정되지 않을 수 있다. 따라서 본 연구는 Otsu method를 활용하여 해당 상황에서 효과적으로 이상 임계값을 설정할 수 있는 방법을 제안한다. 그리고 실제 다변량 시계열 데이터셋에 대한 실험을 통해 제안한 방법이 이상 데이터가 포함되는 여러 상황에서 효과적으로 이상 임계값을 설정할 수 있음을 보인다.