2달 전

KAN-AD: Kolmogorov-Arnold 네트워크를 이용한 시계열 이상치 탐지

Quan Zhou; Changhua Pei; Fei Sun; Jing Han; Zhengwei Gao; Dan Pei; Haiming Zhang; Gaogang Xie; Jianhui Li
KAN-AD: Kolmogorov-Arnold 네트워크를 이용한 시계열 이상치 탐지
초록

시간 시리즈 이상 감지(TSAD)는 클라우드 서비스 및 웹 시스템에서의 실시간 모니터링을 지원하며, 비용이 많이 드는 실패를 방지하기 위해 이상 현상을 신속히 식별할 수 있게 합니다. 대부분의 예측 모델에 기반한 TSAD 방법은 미세한 변동성을 강조함으로써 과적합되는 경향이 있습니다. 우리의 분석 결과에 따르면 효과적인 TSAD는 부드러운 국소 패턴을 통해 "정상" 행동을 모델링하는 데 초점을 맞추어야 함을 밝혔습니다. 이를 달성하기 위해 시간 시리즈 모델링을 부드러운 단변량 함수로 근사하는 것으로 재구성하였습니다. 각 단변량 함수의 국소 부드러움은 적합된 시간 시리즈가 국소 간섭에 대해 견고하게 유지되도록 보장합니다. 그러나 B-스플라인 함수의 본질적으로 국소적인 특성 때문에 직접적인 KAN 구현은 이러한 간섭에 취약하게 됩니다. 따라서 우리는 B-스플라인을 절단된 푸리에 급수로 대체하고, 전역 패턴을 강조하면서도 국소 간섭에 견고한 새로운 경량 학습 메커니즘을 도입하여 KAN-AD를 제안합니다. 네 가지 인기 있는 TSAD 벤치마크에서 KAN-AD는 최신 기준모델보다 평균 15%의 검출 정확도 개선(최대 27% 초과)을 달성하였습니다. 특히, 1,000개 미만의 학습 가능한 매개변수만 필요로 하며, 원래 KAN보다 추론 속도가 50% 더 빠르다는 점에서 이 접근법의 효율성과 실제 적용 가능성이 입증되었습니다.