Les auteurs proposent CAAD, un cadre de détection d'anomalies pour les séries temporelles multivariées qui reformule le problème comme la vérification de la cohérence de la causalité de Granger via des variables exogènes.
- Modélise les variables de séries temporelles exogènes comme des résidus pour identifier les anomalies causées par des interventions externes.
- Utilise l'alignement multi-échelle pour internaliser la dynamique du système et une matrice basée sur le gradient pour surveiller la rupture des relations causales.
- Quantifie les écarts causaux à la fois dans l'évolution dynamique et la topologie relationnelle pour capturer les changements subtils.
- Surpasse la plupart des références de pointe sur des ensembles de données industriels réels.
CAAD atteint une détection d'anomalies haute précision en adressant la perturbation des relations causales internes que les méthodes existantes négligent souvent.