[論文レビュー] A review on outlier/anomaly detection in time series data

Ane Blázquez-García, Ángel Conde+2 more|arXiv (Cornell University)|Feb 11, 2020

Anomaly Detection Techniques and Applications被引用数 5

ひとこと要約

本稿は、時系列データにおける外れ値検出手法について包括的な分類体系と最新のレビューを提示しており、手法の根幹的特徴と応用文脈に基づいて分類している。統計的手法、距離ベース手法、クラスタリング手法、機械学習手法を用いて、点外れ値、部分列外れ値、全体時系列外れ値の検出を評価し、周期的サブシーケンス外れ値の処理が限定的であることや、多次元変数間での異常の伝播が未解決であるなどのギャップを強調している。

ABSTRACT

Recent advances in technology have brought major breakthroughs in data collection, enabling a large amount of data to be gathered over time and thus generating time series. Mining this data has become an important task for researchers and practitioners in the past few years, including the detection of outliers or anomalies that may represent errors or events of interest. This review aims to provide a structured and comprehensive state-of-the-art on outlier detection techniques in the context of time series. To this end, a taxonomy is presented based on the main aspects that characterize an outlier detection technique.

研究の動機と目的

• 時系列データにおける外れ値検出手法について、構造的かつ包括的な概要を提供すること。
• 外れ値検出手法を特徴付ける主要な特徴に基づいた分類体系を確立すること。
• 特にサブシーケンスおよび多次元外れ値検出において、現在のアプローチの研究ギャップを特定すること。
• 問題の文脈とデータタイプに応じて適切な手法を選定するため、研究者および実務家を支援すること。
• 時系列データにおける外れ値検出のための公開利用可能なソフトウェアツールを報告すること。

提案手法

• 検出タイプ（点、サブシーケンス、時系列）、データタイプ（単変量、多次元）、および手法的アプローチに基づいた、外れ値検出手法を分類する分類体系を提案する。
• 統計的手法（例：Zスコア、Grubbs-Beck）、距離ベース手法（例：マハラノビス距離）、クラスタリングベースのアプローチ、および機械学習モデル（例：オートエンコーダ、LSTM）をレビューする。
• ユークリッド距離や動的時系列適合（DTW）を含む類似度測度の使用を分析し、検出性能に与える影響を強調する。
• 特にストリーミングまたはインクリメンタルな設定におけるスケーラビリティとリアルタイム適用可能性を評価する。
• 多次元外れ値検出における課題について議論する。特に、変数間の相関関係を捉えられない単変量手法の限界を指摘する。
• 類似度ベース手法における最適な距離測度の自動選択に向けたメタラーニングの可能性を強調する。

実験結果

リサーチクエスチョン

• RQ1 時系列データにおける外れ値検出手法の主なカテゴリーと特徴は何か？
• RQ2 統計的手法、距離ベース手法、クラスタリング手法、機械学習手法といった異なる手法的アプローチは、点外れ値、サブシーケンス外れ値、全体時系列外れ値の検出においてどのように比較されるか？
• RQ3 現在の手法が周期的サブシーケンス外れ値および多次元異常伝播を処理する際に抱える制限は何か？
• RQ4 検出精度の向上に寄与するかどうかを比較して、DTWとユークリッド距離といった類似度測度はどのように比較されるか？
• RQ5 リアルタイムまたはストリーミングデータ環境へのこれらの手法の適応において、主な課題は何か？

主な発見

• 多数の既存手法が計算効率の高さからユークリッド距離に依存しているが、DTWを用いることで時間的パターンをよりよく捉えられ、検出性能が向上する可能性がある。
• 特にサイバーセキュリティや不正検知の文脈において、多次元時系列における周期的サブシーケンス外れ値を検出できる手法が不足している。
• スライディングウィンドウを用いたすべてのサブシーケンスのクラスタリングは、意味のない結果を生じがちであり、重複のないウィンドウでは非周期的外れ値を逃す可能性がある。
• 個々の変数が正常に見えるにもかかわらず、変数間の相関関係に違反する多次元外れ値は、単変量手法では検出できない。
• ある変数から始まり、後に他の変数に影響を及ぼす異常伝播は、現在の文献では未解決のままである。
• メタラーニングアプローチは、最適な距離測度の自動選択に有効であり、検出のロバストネスを向上させる可能性を示している。