基于因果推断的根因定位与异常缓解方法
机器学习
2023-09-08 v2
摘要
由于在安全、金融监控和健康风险等现实世界中的广泛应用，各种深度异常检测模型已被提出并达到了最先进的性能。然而，除了有效性之外，在实践中，从业者进一步希望知道是什么导致了异常结果以及如何进一步修复它。在这项工作中，我们提出了 RootCLAM，旨在从因果视角实现根因定位（Root Cause Localization）与异常缓解（Anomaly Mitigation）。特别地，我们将由正常因果机制上的外部干预引起的异常建模，并旨在将受外部干预的异常特征定位为根因。此后，我们进一步提出了一种异常缓解方法，旨在对异常特征推荐缓解动作以逆转异常结果，使得由因果机制引导的反事实为正常。在三个数据集上的实验表明，我们的方法能够定位根因并进一步翻转异常标签。
引用
@article{arxiv.2212.04031,
title = {On Root Cause Localization and Anomaly Mitigation through Causal Inference},
author = {Xiao Han and Lu Zhang and Yongkai Wu and Shuhan Yuan},
journal= {arXiv preprint arXiv:2212.04031},
year = {2023}
}