연구진이 능동 학습을 활용한 새로운 시계열 이상 탐지 프레임워크를 제안했어요. 이 프레임워크는 마스크 기반 재구성 피드백과 minimax 학습 전략을 사용해 모델의 성능을 향상시켰어요. 28개의 테스트 케이스에서 기존 모델 대비 AUC가 12.39% 향상된 것으로 나타났어요.
기존 비지도 학습 방법은 미세한 이상 징후와 정상 패턴을 구별하는 데 어려움이 있었고, 노이즈에 취약했어요. 제안된 프레임워크는 기존 비지도 재구성 기반 이상 탐지 시스템에 쉽게 통합될 수 있어요.
새로운 프레임워크는 시간적 의존성을 학습하도록 강제하는 마스크 기반 시계열 재구성 피드백 전략과 정상 및 비정상 샘플을 차등적으로 처리하는 minimax 학습 전략을 핵심으로 합니다.