[論文レビュー] Active Hypothesis Testing for Correlated Combinatorial Anomaly Detection

Zichuan Yang, Yiming Xing|arXiv (Cornell University)|Jan 24, 2026

Anomaly Detection Techniques and Applications被引用数 0

ひとこと要約

この論文は ECC-AHT を紹介します。ノイズの相関を利用して、予算内の測定で異常なストリームのサブセットを効率的に特定する適応アルゴリズムで、情報理論的最適性を達成します。

ABSTRACT

We study the problem of identifying an anomalous subset of streams under correlated noise, motivated by monitoring and security in cyber-physical systems. This problem can be viewed as a form of combinatorial pure exploration, where each stream plays the role of an arm and measurements must be allocated sequentially under uncertainty. Existing combinatorial bandit and hypothesis testing methods typically assume independent observations and fail to exploit correlation for efficient measurement design. We propose ECC-AHT, an adaptive algorithm that selects continuous, constrained measurements to maximize Chernoff information between competing hypotheses, enabling active noise cancellation through differential sensing. ECC-AHT achieves optimal sample complexity guarantees and significantly outperforms state-of-the-art baselines in both synthetic and real-world correlated environments. The code is available on https://github.com/VincentdeCristo/ECC-AHT

研究の動機と目的

• 系列データの相関ノイズ下で、少数の異常サブセットを予算付き測定で同定する問題を動機づける。
• 情報獲得を最大化する相関認識型アクティブ仮説検定フレームワークを提案する。
• ECC-AHT を開発し、共有ノイズを打ち消す差分測定を設計して不確実性を効率的に解消する。
• 有限サンプルおよび漸近的性能に関する理論保証を提供する。
• 合成データおよび実世界の相関環境でベースラインに対する経験的利得を示す。

提案手法

• システムを、相関を捉える共分散行列 Σ を有する K 個のデータストリームとしてモデル化する。
• 異常問題を、平均シフト δ を有するサイズ n のサブセット S* を同定する問題として定式化し、mu_S* = mu0 + ∑_{k in S*} δ_k e_k を得る。
• 各ステップで L1 バジェット B 内の測定ベクトル c を選択し、y = c^T x + ξ を観測する。ξ は ξ ~ N(0, c^T Σ c)。
• Champion–Challenger ペアごとに、KL 発散 D(H_S* || H_S' | c) を最大化するよう、c^T Σ c を最小化しつつ、制約として c^T Δ_{i*,j*} = 1 および ||c||_1 <= B を課す二次計画問題を解く。
• ストリームのランキングを保持する準尤度を用いて各ストリームの対数尤度更新を維持し、スケーラブルな推論を可能にする。
• チャンピオン–チャンレンジャーの選択と測定設計を繰り返し、ほぼ最適情報レートを達成する。

実験結果

リサーチクエスチョン

• RQ1 相関ノイズの下で、適応測定を用いて真の異常サブセットを同定する最速のレートはどれくらいか。
• RQ2 相関を活用して共有ノイズを打ち消し情報獲得を最大化する測定設計をどのように行うか。
• RQ3 連続的なアクション空間で動作するアルゴリズムは、この問題の情報理論的限界にどれだけ近づくことができるか。
• RQ4 相関認識設計は、合成データと実世界のデータセットの両方で相関なし設計を上回るか。

主な発見

• ECC-AHT は非漸近的なサンプル複雑性でオーダー最適を達成し、情報限 Γ* に log(1/δ) のスケーリングと小さな下位項を伴って接近する。
• 漸近解析により、ECC-AHT は最適な情報レートを正確に達成し、対角構造や相関無視アプローチを上回る。
• 合成データおよび実データセット全体で、ECC-AHT は Round Robin、Random Sparse Projection、HDS、CombGapE、TTTS などのベースラインと比較してサンプル複雑性と検出遅延を大幅に削減する。
• アブレーション研究は、最適実験設計と相関活用の両方が性能向上に不可欠であることを示す。
• WaDi データセットでの実世界結果は、相関モデリングが工業用セ sensing シナリオの検出遅延を低減することを確認した。