時系列基盤モデルを用いた信号モニタリングのための適応的コンフォーマル異常検知

要旨: 本稿では、追加の微調整を必要とせずに、事前学習済みの基盤モデルから得られる予測を活用する、時系列のモニタリングのための事後的適応型の共形異常検出手法を提案する。提案手法は、解釈可能な異常スコアを、そのまま偽アラーム率として解釈できる（p値）形で出力し、透明で実行可能な意思決定を可能にする。重み付き分位共形予測の境界を用い、過去の予測から最適な重み付けパラメータを適応的に学習することで、分布シフト下でのキャリブレーションと安定した偽アラーム制御を実現しつつ、外部データに対する保証を保持する。モデルに依存しない解決策として、基盤モデルにシームレスに統合でき、計算資源が限られた環境での迅速な導入も支援する。本アプローチは、データ利用可能性が限られていること、訓練の専門知識が不足していること、即時の推論が必要であることといった主要な産業上の課題に対処し、成長しつつある時系列基盤モデルの利用可能性の高まりを活用する。合成データおよび実世界データの両方に対する実験により、提案手法は強力な性能を示し、単純さ、解釈可能性、頑健性、適応性を組み合わせることが確認された。