GenAD:面向异常检测的多变量时间序列通用表示
网络与互联网体系结构
2022-02-10 v1 信号处理
摘要
中国移动无线基站的可靠性至关重要,因为手机用户连接到基站,且基站的行为直接关系到用户体验。尽管可通过多变量时间序列的异常检测来实现对基站行为的监控,但由于大规模基站中多变量序列的复杂相关性与多样时间模式,构建具有较高 F1-score 的通用无监督异常检测模型仍是一项挑战。本文提出一种面向异常检测的多变量时间序列通用表示(GenAD)。首先,我们在大规模无线基站上以自监督方式预训练通用模型,该模型可借助少量训练数据轻松迁移至特定基站的异常检测。其次,我们采用多相关注意力与时间序列注意力来表示基站的相关性与时间模式。通过上述创新,GenAD 在中国移动真实数据集上使 F1-score 总计提升 9%,而在仅使用 10% 训练数据的公开数据集上性能未显著下降。
引用
@article{arxiv.2202.04250,
title = {GenAD: General Representations of Multivariate Time Seriesfor Anomaly Detection},
author = {Xiaolei Hua and Lin Zhu and Shenglin Zhang and Zeyan Li and Su Wang and Dong Zhou and Shuo Wang and Chao Deng},
journal= {arXiv preprint arXiv:2202.04250},
year = {2022}
}