时间序列中的图异常检测：综述

随着近期技术进步，各类系统持续随时间收集大量数据，从而生成时间序列。时间序列异常检测（TSAD）是电子商务、网络安全、车辆维护与医疗监测等多种时间序列应用中的重要任务。然而，该任务极具挑战性，因其需同时考虑时间序列数据中存在的变量内依赖（变量随时间的关系）与变量间依赖（多变量间的关系）。近期基于图的方法在应对该领域挑战方面取得了令人瞩目的进展。本综述对利用图进行时间序列异常检测（称为 G-TSAD）进行了全面且最新的回顾。首先，我们探讨了图表示对时间序列数据的显著潜力及其对促进异常检测的贡献。随后，我们在时间序列背景下回顾了最先进的图异常检测技术，大多利用深度学习架构。对每种方法，我们讨论其优势、局限及所擅长的具体应用。最后，我们阐述了该领域当前面临的技术与应用挑战，并建议了推进研究与改善实际成果的潜在未来方向。