ContrastAD

新框架应对时间序列无监督异常检测

两篇新的研究论文提出了用于检测多元时间序列数据中异常的新型无监督学习框架。第一个，CALAD，引入了一种通道感知对比学习方法，该方法优先考虑与异常相关的通道以提高信号检测能力。第二个，ContrastAD，利用动态图对比正则化，适应不断变化的变量间依赖关系，并使用结构演化作为学习信号。与现有技术相比，这两种方法在各种真实世界数据集上都表现出卓越的性能，尤其是在标记数据稀缺和分布变化的情况下。