RoLA：一种面向多元时间序列的实时在线轻量级异常检测系统

多元时间序列指随时间从设备或系统同时观测两个或更多变量所得的数据。实时监测多元时间序列并检测异常以确保系统正常运行与服务质量的诉求日益增长。人们还高度期望拥有一种轻量级异常检测系统，其考虑不同变量间相关性、适应多元时间序列模式变化、提供即时响应，并基于无监督学习与在线模型训练给出关于检测结果的辅助信息。过去十年中已提出许多多元时间序列异常检测方法，但它们无法同时提供上述所有特性。本文中，我们提出 RoLA，一种基于分治策略、并行处理与多数投票规则的多元时间序列实时在线轻量级异常检测系统。RoLA 采用多个轻量级异常检测器并行监测多元时间序列，动态确定变量间相关性，并基于多数投票规则实时联合检测异常。为展示 RoLA 性能，我们基于 One Ocean Expedition 的 FerryBox 所提供的公开数据集进行了实验。结果表明 RoLA 提供了令人满意的检测精度与轻量级性能。