UMTS-Mixer: 基于时间相关性和通道相关性的时间序列异常检测
CSTR:
作者:
作者单位:

作者简介:

通讯作者:

中图分类号:

基金项目:

国家自然科学基金 (62277010); 福建省自然科学基金 (2020J01132452); 福厦泉国家自主创新示范区协同创新平台项目(2022FX6)


UMTS-Mixer: Time Series Anomaly Detection Based on Temporal Correlation and Channel Correlation
Author:
Affiliation:

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    多变量时间序列的异常检测是一个具有挑战性的问题, 要求模型从复杂的时间动态中学习信息表示, 并推导出一个可区分的标准, 该标准能从大量正常时间点识别出少量的异常点. 但在时间序列分析中仍存在多变量时间序列复杂的时间相关性和高维度使得异常检测性能较差的问题, 针对上述问题, 本文提出了一种基于MLP (multi-layer perceptron)架构的模型(UMTS-Mixer), 由于MLP的线性结构对顺序敏感, 将其用来捕获时间相关性和跨通道相关性. 大量实验表明UMTS-Mixer能够有效地检测时间序列异常, 并在4个基准数据集上的表现更好, 同时, 在MSL和PSM两个数据集上取得了最高的F1, 分别为91.35%, 92.93%.

    Abstract:

    Anomaly detection in multivariate time series is a challenging problem that requires models to learn information representations from complex temporal dynamics and derive a distinguishable criterion that can identify a small number of outliers from a large number of normal time points. However, in time series analysis, the complex temporal correlation and high dimensionality of multivariate time series will result in poor anomaly detection performance. To this end, this study proposes a model based on MLP (multi-layer perceptron) architecture (UMTS-Mixer). Since the linear structure of MLP is sensitive to order, it is employed to capture temporal correlation and cross-channel correlation. A large number of experiments show that UMTS-Mixer can detect time series anomalies and perform better on the four benchmark datasets. Meanwhile, the highest F1 is 91.35% and 92.93% on the MSL and PSM datasets, respectively.

    参考文献
    相似文献
    引证文献
引用本文

孙怡阳,陈志德,冯晨,朱可欣. UMTS-Mixer: 基于时间相关性和通道相关性的时间序列异常检测.计算机系统应用,2024,33(1):127-133

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:2023-06-28
  • 最后修改日期:2023-07-27
  • 录用日期:
  • 在线发布日期: 2023-10-27
  • 出版日期: 2023-01-05
文章二维码
您是第位访问者
版权所有:中国科学院软件研究所 京ICP备05046678号-3
地址:北京海淀区中关村南四街4号 中科院软件园区 7号楼305房间,邮政编码:100190
电话:010-62661041 传真: Email:csa (a) iscas.ac.cn
技术支持:北京勤云科技发展有限公司

京公网安备 11040202500063号