Feature Extraction-Based Anomaly Detection on Time-Series Data
Hogeon Seo, Junyoung Song, Woojin Jo, Seok-Jun Seo · Journal of the Korean Society for Nondestructive Testing · 2024
본 연구에서는 시계열 데이터에 대한 이상 탐지를 위해 특징 추출 기반 오토 인코더를 활용하는 기법을 제안하였다. 제안 기법은 시계열 데이터의 다양한 길이에 효과적으로 대응하기 위해서 23개의 특징 추출을 적용하였다. 이를 통해 특징 추출을 위한 시계열 데이터의 길이와 관계없이 일정한 특징 배열의 크기를 확보했고, 오토 인코더를 활용하여 정상성을 압축하고 재구성하도록 하여 입출력의 차이를 근거로 이상을 탐지하였다. 네덜란드 에너지 연구 센터의 전력 수요 데이터를 사용하여 제안 기법의 효용성을 검증하였다. 이상 탐지를 위해서는 최소 3일 이상의 데이터로부터 특징 추출이 필요하며 주 단위로 추출하는 것이 유리했고, 특징 추출을 위한 데이터의 길이가 길어질수록 모델의 깊이도 더 깊어져야 성능이 향상될 수 있음이 확인되었다. 이는 효과적인 이상 탐지를 위해서는 다양한 특징 추출의 길이와 모델의 깊이를 탐색해야 할 필요함을 나타내며, 제안 기법이 그러한 탐색을 효율적으로 가능함을 제시하였다.