计算机应用研究

作者：张本初,乔焰,胡荣耀,

单位：合肥工业大学工业安全与应急技术安徽省重点实验室,合肥230601；

关键词：多变量时间序列,抗噪异常检测,生成对抗学习,对比学习,互信息最大化,

基金：安徽省自然科学基金资助项目(2008085MF203)；中央高校基本科研业务费专项资金资助项目(PA2024GDSK0095)；；

近年来，对多变量时间序列的异常检测在各领域中逐渐突显出其重要性。然而，由于多变量时间序列的时空依赖性以及采集所存在的噪声干扰，使得模型学习到的分布与真实分布存在一定的偏差，进而影响检测性能。为了解决以上问题，提出一种结合对抗互信息的多变量时间序列抗噪异常检测模型（RADAM）。通过设计对比学习机制来达到多变量时间序列全局信息和局部信息的互信息最大化，以此来学习多变量时间序列的时间与空间依赖性；利用自适应权重和过滤器模块减少噪声样本对于训练过程的干扰，使模型在训练过程中具备较高的抗噪能力。在五个真实数据集上与六个先进的同类异常检测方法进行了对比实验，实验结果证明RADAM性能明显优于其他基线模型，说明RADAM能显著提升在包含噪声的多变量时间序列数据集上异常检测的准确度。

来源：2024年第8期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2024年第8期