异常检测是监控实体（如制造系统和互联网服务）各种状态（即指标）的一项关键任务，这些实体的监控数据一般都是多维时间序列。在真实工业场景中，异常检测常常缺少足够的标签，如何对多维时间序列进行无监督的异常检测是一个非常重要的课题。

来自清华的这篇KDD 2021的应用论文提出了一种无监督的方法（InterFusion），可同时对多维时间序列不同指标间的依赖和时间顺序上的依赖性进行建模。其核心思想是通过两个随机潜变量，通过变分自编码机（VAE）对多维时间序列数据中的正态模式进行建模。此外，该论文还提出了一种基于马尔科夫链蒙特卡洛（MCMC）的方法，对多维时间序列的异常结果进行解释。该论文在来自不同工业领域的四个真实数据集上进行了实验，验证算法的效果。

论文地址：https://dl.acm.org/doi/10.1145/3447548.3467075

论文源码：https://github.com/zhhlee/InterFusion

内容中包含的图片若涉及版权问题，请及时与我们联系删除