[ICDM '20] Multivariate Time-Series Anomaly Detection via Graph Attention Network

* multivariate time-series란 시간에 따라 변화하는 feature가 하나 이상인 것이다.

• 각각의 time changing univariate 간의 feature correlation이 이상치 탐지에 중요한 역할을 한다.
• self-supervised

여기서 빨간색 부분과 초록색 부분에서 TIMESERIES_RECEIVED, DATA_RECEIVED_ON_FLINK에 상승이 일어났다는 것을 확인할 수 있지만, inconsistent하게 GC(garbage colleciton)의 boost가 있는 빨간색 부분만이 anomaly이다.

Input Data: only normal data & n timestamp를 갖는 sliding window로 자른 데이터 Preprocessing: minmax normalization & 1D convolution(kernel size = 7) --> n x K

GAT: Feature-oriented GAT & Time-oriented GAT

n x K --> n x 3K (각 timestamp별로 time correlation, feature correlation을 모두 고려한 feature을 더 만들었다고 생각할 수 있다.)