Los autores proponen CAAD, un marco para la detección de anomalías en series temporales multivariadas que reformula el problema como verificar la consistencia de la causalidad de Granger a través de variables exógenas.
- Modela las variables de series temporales exógenas como residuos para identificar anomalías causadas por intervenciones externas.
- Utiliza alineación multiescala para internalizar la dinámica del sistema y una matriz basada en gradientes para monitorear el colapso de las relaciones causales.
- Cuantifica las desviaciones causales tanto en la evolución dinámica como en la topología relacional para capturar cambios sutiles.
- Supera a la mayoría de las líneas base más avanzadas en conjuntos de datos industriales del mundo real.
CAAD logra una detección de anomalías de alta precisión al abordar la interrupción de las relaciones causales internas que los métodos existentes a menudo pasan por alto.