Para penulis mengusulkan CAAD, sebuah kerangka kerja untuk deteksi anomali deret waktu multivariat yang membingkai ulang masalah sebagai verifikasi konsistensi kausalitas Granger melalui variabel eksogen.
- Memodelkan variabel deret waktu eksogen sebagai residu untuk mengidentifikasi anomali yang disebabkan oleh intervensi eksternal.
- Menggunakan penyelarasan multi-skala untuk menginternalisasi dinamika sistem dan matriks berbasis gradien untuk memantau keruntuhan hubungan kausal.
- Mengkuantifikasi penyimpangan kausal dalam evolusi dinamis dan topologi relasional untuk menangkap pergeseran halus.
- Mengungguli sebagian besar baseline state-of-the-art pada dataset industri dunia nyata.
CAAD mencapai deteksi anomali presisi tinggi dengan mengatasi gangguan hubungan kausal internal yang sering diabaikan oleh metode yang ada.