双方向分岐再構成と自己回帰フローベースの残差密度推定による多変量時系列異常検知
arXiv cs.AI / 2026/4/13
💬 オピニオンIdeas & Deep AnalysisModels & Research
要点
- 本論文は、産業制御や航空宇宙システムなど監視上重要な領域における多変量時系列異常検知（MTSAD）を対象とする。
- 一般的な再構成ベース手法における2つの課題を指摘する。すなわち、見かけ上の変数間相関への過学習、そして再構成誤差を素朴に合算するだけでは異常スコアが信頼できない点である。
- DBR-AFは、変数間の相関学習と、変数内の統計的性質モデリングを分離する双方向分岐再構成（DBR）エンコーダを導入し、見かけ上の相関の抑制を図る。
- さらに、残差分布をモデル化し、再構成しにくいサンプルと真の異常をより適切に区別するための密度推定を行う、積層された可逆変換を備えた自己回帰フロー（AF）モジュールを追加する。
- 7つのベンチマークデータセットで実験を行った結果、最先端の性能が報告されており、アブレーション研究によりDBR成分とAF成分の必要性が確認される。
