초록
세계의 많은 데이터는 스트리밍 타임 시리즈 데이터로, 이 데이터에서 발생하는 이상 징후는 중요한 상황에서 유의미한 정보를 제공합니다. 그러나 스트리밍 데이터에서 이상 징후를 감지하는 것은 실시간으로 데이터를 처리하고, 동시에 예측을 수행하면서 학습해야 하는 어려운 작업입니다. 본 연구에서는 계층적 시간 메모리(Hierarchical Temporal Memory, HTM) 알고리즘을 기반으로 한 새로운 이상 징후 감지 기법을 제시합니다. 우리는 이 기법이 금융 지표에서 실시간으로 이상 징후를 감지하는 실제 애플리케이션에서 얻은 결과를 보여줍니다. 또한, 실시간 이상 징후 감지를 위한 공개 벤치마크인 NAB(Neural Anomaly Benchmark)에서 우리 알고리즘이 최고 수준의 성능을 달성함을 검증하였습니다.