가치가 있나요? 시계열 데이터에서 비지도 이상 탐지에 대한 여섯 가지 심층 및 전통적 방법 비교

시계열 데이터에서 이상 현상을 탐지하는 것은 시스템 모니터링, 헬스케어, 사이버보안 등 다양한 분야에서 중요하다. 사용 가능한 방법이 많아 특정 응용 분야에 가장 적합한 방법을 선택하는 것이 어려운 상황이지만, 각각의 방법은 특정 유형의 이상을 탐지하는 데 강점을 가지고 있다. 본 연구에서는 다양한 복잡도를 가진 6가지 비지도 이상 탐지 방법을 비교하여, 더 복잡한 방법이 일반적으로 더 우수한 성능을 보이는지, 그리고 특정 유형의 이상에 대해 어떤 방법이 더 적합한지 확인하고자 하였다. 우리는 이상 탐지 분야의 최신 기준 데이터셋인 UCR 이상 아카이브를 사용하여 각 방법의 성능을 평가하였다. 각 방법에 필요한 하이퍼파라미터를 조정한 후, 데이터셋 및 이상 유형 수준에서 실험 결과를 분석하였다. 또한 각 방법이 이상에 대한 사전 지식을 어떻게 통합할 수 있는지 평가하고, 점별 특징(point-wise features)과 시퀀스별 특징(sequence-wise features) 간의 차이를 검토하였다. 실험 결과, 다양한 이상 유형에 걸쳐 전통적인 기계학습 방법이 딥러닝 방법보다 일반적으로 더 우수한 성능을 보였다.