Обзор глубокого обнаружения аномалий в многомерных временных рядах: таксономия, приложения и направления исследований

Обнаружение аномалий в многомерных временных рядах (MTSAD) позволяет эффективно выявлять и анализировать аномальное поведение в сложных системах, что особенно важно в таких областях, как финансовый мониторинг, обнаружение неисправностей промышленного оборудования и кибербезопасность. Поскольку MTSAD требует одновременного анализа временных зависимостей и взаимосвязей между переменными, исследователи разработали специализированные модели глубокого обучения для обнаружения аномальных закономерностей. В данной статье представлен структурированный и всесторонний обзор современных методов глубокого обучения для обнаружения аномалий в многомерных временных рядах. Сначала предлагается таксономия стратегий обнаружения аномалий с точки зрения парадигм обучения и моделей глубокого обучения, после чего приводится систематический обзор с акцентом на их преимущества и недостатки. Кроме того, систематизированы общедоступные наборы данных для обнаружения аномалий во временных рядах вместе с соответствующими областями применения. Наконец, определены открытые проблемы для будущих исследований в области MTSAD.