[논문 리뷰] Low-Rank Methods in Event Detection.

Jakub Mareček, Stathis Maroulis외 2명|arXiv (Cornell University)|2018. 02. 10.

Sparse and Compressive Sensing Techniques참고 문헌 27인용 수 4

한 줄 요약

이 논문은 스트리밍 데이터에서 비정상적인 사건을 탐지하기 위해 간격 불확실성 하에서 저질수행 행렬 완성 기법을 제안한다. 정상 관측치가 저질수행 부분공간에 존재한다고 모델링하고, $šinfty$ 노름에서 $ε$-제한된 한쪽 오차를 가진 일정 시간 복잡도의 $π$-거리 질의를 사용함으로써, 이론적 오차 경계를 확보하면서도 효율적인 온라인 사건 탐지가 가능해진다.

ABSTRACT

We present low-rank methods for event detection. We assume that normal observation come from a low-rank subspace, prior to being corrupted by a uniformly distributed noise. Correspondingly, we aim at recovering a representation of the subspace, and perform event detection by running point-to-subspace distance query in $\ell^\infty$, for each incoming observation. In particular, we use a variant of matrix completion under interval uncertainty on a suitable flattening $M \in R^{m imes n}$ of the input data to obtain a low-rank model $M \approx L imes R$, $L \in R^{m imes r}$, $R \in R^{r imes n}$, $r \ll m$. On-line, we compute the distance of each incoming $x \in R^n$ to the space spanned by $R$. For the distance computation, we present a constant-time algorithm with a one-sided error bounded by a function of the number of coordinates employed.

연구 동기 및 목표

• 정상 관측치가 저질수행 부분공간에 존재한다고 모델링하여 스트리밍 데이터에서 비정상적인 사건을 탐지한다.
• 입력 데이터의 저질수행 표현을 간격 불확실성 하에서 행렬 완성 기법을 사용해 복원한다.
• $šinfty$ 노름에서 빠른 점-부분공간 거리 질의를 통해 효율적인 온라인 사건 탐지 기능을 제공한다.
• 사용된 좌표 수의 함수로 제한된 한쪽 오차를 가진 일정 시간 알고리즘을 거리 계산에 적용한다.
• 계산 효율성을 유지하면서도 거리 계산에 대한 이론적 오차 경계를 확보한다.

제안 방법

• 입력 데이터를 행렬 $M \in \mathbb{R}^{m \times n}$ 로 평탄화하여 저질수행 모델링을 가능하게 한다.
• 간격 불확실성 하에서 행렬 완성의 변종을 적용하여 $r \ll m$ 인 저질수행 인자 $L \in \mathbb{R}^{m \times r}$ 와 $R \in \mathbb{R}^{r \times n}$ 를 추정한다.
• 정상 데이터에 의해 생성된 저질수행 부분공간을 오른쪽 인자 행렬 $R$ 으로 표현한다.
• 각 도착 관측치 $x \in \mathbb{R}^n$ 에 대해, $R$ 이 생성한 부분공간으로부터의 거리를 $šinfty$ 노름을 사용해 계산한다.
• 사용된 좌표 수의 함수로 제한된 한쪽 오차를 가진 일정 시간 알고리즘을 거리 질의에 구현한다.
• 간격 불확실성의 구조를 활용하여 관측치에서 균일 분포 잡음에 대한 강건성을 확보한다.

실험 결과

연구 질문

• RQ1 간격 불확실성 하에서 저질수행 행렬 완성 기법이 사건 탐지에서 정상 데이터 행동을 효과적으로 모델링할 수 있는가?
• RQ2 온라인 환경에서 $šinfty$ 노름의 점-부분공간 거리를 효율적이고 오차가 제한된 방식으로 어떻게 계산할 수 있는가?
• RQ3 저질수행 표현을 사용한 실시간 사건 탐지에서 계산 효율성과 오차 정확성 사이의 상호 교환 관계는 어떠한가?
• RQ4 $šinfty$ 거리 질의에 대해 한쪽 오차가 제한된 일정 시간 알고리즘을 저질수행 부분공간에서 설계할 수 있는가?
• RQ5 데이터에서 균일 분포 잡음이 존재할 경우 이 방법은 어떻게 성능을 발휘하는가?

주요 결과

• 제안된 방법은 사용된 좌표 수의 함수로 제한된 한쪽 오차를 가진 $šinfty$ 노름에서 일정 시간 거리 질의를 통해 온라인 사건 탐지 기능을 달성한다.
• 간격 불확실성 하에서 행렬 완성 기법을 통해 저질수행 모델 $M \approx L \times R$ 가 복원되며, 이는 균일 분포 잡음에 대한 강건성을 보장한다.
• 전체 SVD나 반복 업데이트를 피하고 사전 계산된 $R$ 을 활용함으로써 계산 효율성을 유지한다.
• 오차 경계는 이론적으로 정당화되며, 거리 계산에 참여한 좌표 수에만 의존한다.
• 저질수행 구조와 효율적인 거리 계산을 활용함으로써 고차원 스트리밍 데이터에서의 확장 가능한 탐지 기능을 제공한다.
• 관측치가 균일 잡음에 의해 손상되어도, 저질수행 부분공간에서의 이탈로 간주되는 사건 탐지에 효과적이다.