초록
우리는 뛰어난 탐지 정확도를 달성하면서도 탁월한 해석 가능성(설명 가능성)을 제공하는 새로운 시계열 이상 탐지 방법을 제안한다. 제안하는 방법인 TimeVQVAE-AD는 최신 시계열 생성 기법인 TimeVQVAE에서 유도된 마스킹된 생성 모델링 기법을 활용한다. 이 모델의 사전 모델은 시계열-주파수 도메인의 이산 잠재 공간에서 학습된다. 특히, 시계열-주파수 도메인의 차원적 의미가 잠재 공간에 유지되므로, 다양한 주파수 대역에서 이상 점수를 계산할 수 있으며, 이는 탐지된 이상 현상에 대한 보다 깊이 있는 통찰을 가능하게 한다. 또한 사전 모델의 생성적 성질을 통해 탐지된 이상에 대해 가능한 정상 상태를 샘플링할 수 있어, 반사적(Counterfactual) 접근을 통해 이상 탐지 결과의 해석 가능성을 더욱 향상시킬 수 있다. UCR 시계열 이상 탐지 아카이브에 대한 실험 평가를 통해 TimeVQVAE-AD가 기존 방법들에 비해 탐지 정확도와 해석 가능성 면에서 뚜렷한 우수성을 입증하였다. 구현 코드는 GitHub에서 공개하였으며, 아래 링크에서 확인할 수 있다: https://github.com/ML4ITS/TimeVQVAE-AnomalyDetection.