ContrastAD는 다변량 시계열 이상 탐지를 위한 새로운 프레임워크입니다. 기존 방법의 한계를 극복하기 위해 동적 상호 변수 의존성을 학습 신호로 활용합니다.
Multi-Perspective Embedder는 시간, 속성, 구조적 관점에서 입력을 인코딩하고, Frequency-Aware Attention Mixer는 노이즈를 제거합니다.
Dynamic Graph Contrastive Learner는 배치 수준 DTW 거리를 기반으로 동적 그래프 스냅샷을 구축하고, 가장 일관성 없는 쌍을 안정적인 앵커와 대비하여 잠재 공간을 정규화합니다.
실제 벤치마크에서 ContrastAD는 기존 방법보다 F1 점수와 AUC에서 통계적으로 유의미한 우위를 보였습니다.