Обнаружение и интерпретация аномалий в многомерных временных рядах с использованием иерархического межметрического и временного вложения

Обнаружение аномалий является важной задачей при мониторинге состояния различных объектов (то есть метрик), таких как производственные системы и интернет-сервисы, которые часто характеризуются многомерными временными рядами (MTS). На практике важно не только точно обнаруживать аномалии, но и интерпретировать обнаруженные аномалии путем локализации группы наиболее аномальных метрик, что в дальнейшем способствует поиску и устранению причин отказов. В данной работе мы предлагаем InterFusion — метод без учителя, одновременно моделирующий межметрические и временные зависимости в MTS. Его основная идея заключается в моделировании нормальных закономерностей в данных MTS с помощью иерархического вариационного автокодировщика с двумя стохастическими латентными переменными, каждая из которых формирует низкоразмерное межметрическое или временное вложение. Кроме того, мы предлагаем метод на основе MCMC для получения обоснованных вложений и реконструкций на аномальных участках с целью интерпретации аномалий в MTS. Оценочные эксперименты проведены на четырех наборах данных из реальных условий, относящихся к различным промышленным областям: трех ранее существовавших наборах и одном новом опубликованном наборе, собранном в ходе пилотного развертывания InterFusion. InterFusion достигает среднего значения F1-меры обнаружения аномалий выше 0,94 и показателя качества интерпретации аномалий 0,87, значительно превосходя современные методы обнаружения аномалий в MTS.