大規模モバイルネットワークにおける教師なし異常検知のためのスケーラブルな文脈対応グラフ注意機構

Abstract

モバイルネットワーク事業者は、無線アクセスネットワークおよびパケットコアにまたがる数千の異種のネットワーク要素を監視しなければならず、各要素は高次元のKPI時系列を公開している。インシデントのラベリング規模とコストが大きいため、教師あり手法は実用的でない。そのため、文脈の変化や非定常性に頑健な教師なし異常検知が求められる。 本研究では、 \textbf{C-MTAD-GAT}（\emph{Context-aware Multivariate Time-series Anomaly Detection with Graph Attention}、文脈を考慮したグラフ注意に基づく多変量時系列異常検知）を提案する。これは、大規模なネットワーク要素の集団にわたって単一の共有モデルとして動作することを目的に設計された異常検知フレームワークである。モデルは、時間的および特徴次元ごとのグラフ注意に加え、軽量な静的・動的な文脈条件付け、ならびに再構成と多段（マルチステップ）予測のためのデュアルヘッドデコーダを組み合わせる。各要素・各特徴ごとの異常スコアを生成し、検証残差からキャリブレーションした完全に教師なしのしきい値によってアラートに変換する。 DC-VAE \cite{garcia2023onemodel} とともに公開された TELCO データセットでは、C-MTAD-GAT は、従来のグラフ注意および VAE ベースのベースラインよりも少ないアラームを生成しつつ、イベントレベルの所属（affiliation）と点ごとの F1 を向上させる。次に、この同一のシステムを、モバイルネットワーク事業者により実運用されている、全国規模の無線アクセスおよび進化したパケットコアのコントロールプレーン・カウンタデータに適用する。事業者からのフィードバックでは、アラートは実行可能であり、日次モニタリングを支援できることが示され、ラベル付きインシデントに依存せずにドメイン横断でのスケーラビリティが確認された。