面向无监督电信异常检测的上下文感知图注意力模型
机器学习
2026-05-01 v1
摘要
我们提出C-MTAD-GAT，一种\emph{无监督}、\emph{上下文感知}的图注意力模型，用于检测移动网络中多变量时间序列的异常。C-MTAD-GAT将图注意力与轻量级上下文嵌入结合，并使用确定性重构头和多步预测器产生异常得分。检测阈值从验证残差中\emph{无标签}地校准，保持管道完全无监督。在公开的TELCO数据集上，C-MTAD-GAT在事件级和点评F1分数上 consistently 优于MTAD-GAT和面向电信的DC-VAE这两两个最先进的基线，同时触发的警报数量显著更少。C-MTAD-GAT还部署在一家国家级移动运营商的核心网络中，展示了其在实际工业环境中的鲁棒性。
引用
@article{arxiv.2604.27172,
title = {Context-Aware Graph Attention for Unsupervised Telco Anomaly Detection},
author = {Sara Malacarne and Eirik Hoel-Høiseth and Erlend Aune and David Zsolt Biro and Massimiliano Ruocco},
journal= {arXiv preprint arXiv:2604.27172},
year = {2026}
}