이상 감지

이상 감지는 특정 측정항목의 시계열 데이터 또는 특정 시점의 분류 기준 안에서 불일치를 식별하기 위해 지능형 애널리틱스에서 사용하는 통계적 기법입니다.

시간 경과에 따른 측정항목의 불일치를 식별합니다.

지능형 애널리틱스에서는 베이즈 상태 공간 시계열 모델을 이전 데이터에 적용하여 시계열에서 가장 최근 데이터 포인트의 값을 예측합니다. 이 모델은 예측 및 관찰된 측정항목을 평가하는 데 사용하는 신뢰할 수 있는 구간을 도출합니다.

지능형 애널리틱스는 이전 데이터를 사용하여 현재 기간의 측정항목 값을 예측하고 실제 값이 신뢰할 수 있는 구간을 벗어나면 데이터 포인트를 불일치로 표시합니다. 시간별 이상점을 감지하기 위한 학습 기간은 2주입니다. 일별 이상점을 감지하기 위한 학습 기간은 90일입니다. 주별 이상점을 감지하기 위한 학습 기간은 32주입니다.

동일한 시점의 분류 기준 안에서 불일치를 식별합니다

시계열 기반 이상 감지는 이전 데이터를 사용하여 단일 측정기준 값 내에서 단일 측정항목을 표시하지만, 특정 시점의 여러 측정항목과 측정기준 값에 대해 동시에 비정상 감지를 제공합니다.

이 접근 방법에서는 주요 구성요소 분석(PCA)과 불일치를 표시하기 위한 교차 검증을 사용해 측정항목의 상관관계 구조를 활용합니다.

먼저 PCA를 수행할 측정기준과 측정항목의 집합을 식별합니다. 모든 측정기준 값을 기준으로 다양한 분류 기준을 생성하고, 각 측정항목을 분류 기준 내의 사용자 수로 정규화합니다. 그런 다음 해당 분류 기준 및 정규화한 측정항목에 PCA를 실행합니다. 특정 분류 기준이 모든 측정항목에서 비정상적인 동작을 보이고 해당 속성의 사용자가 0.05% 이상일 경우 이러한 분류 기준을 예외로 표시합니다. 현재는 이러한 분석을 매주 실행합니다.

도움이 되었나요?
어떻게 하면 개선할 수 있을까요?