모아데이타, '이상탐지 알고리즘에 대한 연구' 국제 학술지에 게재

이상 탐지 기술 기반 인공지능(AI) 전문기업 모아데이타는 자사의 AI Lab에서 연구한 ‘다변량 시계열 데이터에 대한 비지도 학습 기반의 이상탐지 알고리즘에 대한 연구결과’를 학술지 ‘Applied Sciences’에 게재했다고 28일 밝혔다.

Applied Sciences는 SCI급 국제학술지로 2011년 출범해 응용 물리학, 응용 화학, 공학, 환경 및 지구 과학 등 여러 측면을 다루는 오픈 액세스 과학 학술지이다. 특히 인공지는 분야에서 최근 주목받고 있는 ‘비지도 이상탐지’에 관한 특집호가 진행 중에 있으며, 본 특집호에 당사에서 연구한 결과를 게재하였다. 

본 논문의 제목은 ‘MST-VAE: Multi-Scale Temporal Variational Autoencoder for Anomaly Detection in Multivariate Time Series’로 다변량 시계열 데이터에 대한 비지도 학습 기반의 이상탐지 알고리즘에 대한 연구결과다. 모아데이타 AI Lab이 연구한 MST-VAE 모델은 최근 많이 활용되고 있는 VAE 기술과 Convolution 기술을 병합한 기술로서 특히, Muti-Scaled Kernel 기술은 Convolution Layer의 Kernel 크기를 다양화하여 적용함으로써 다양한 형태의 이상 패턴을 효과적으로 탐지할 수 있다는 것을 보여줬다.

 이번 논문은 칭화대 교수팀의 InterFusion 뿐만 아니라 다양한 모델과의 성능을 비교한 결과, 지금까지 가장 좋은 결과를 보여준 InterFusion 모델보다도 더 우수한 성능을 나타냈으며, 이는 앞으로의 이상탐지 서비스의 품질 개선에 있어 큰 효과를 가져올 것으로 기대된다.

또한 모아데이타의 MST-VAE 기술은 탐지 성능의 우수성과 함께 컴퓨팅 자원에 있어서 그 효율성을 함께 입증했다. 복잡한 대조군 모델보다 신경망 모델 구조를 단순화함으로써 모델 학습 소요시간을 대폭 줄임으로써 서비스 효율성을 개선시켰다. 이는 많은 대상에게 더 빠르고 정확한 이상탐지 서비스를 제공할 수 있어 앞으로의 활용이 기대된다.

이번 연구 논문에 대해 이종훈 AI Lab 연구소장은 “이번에 발표한 MST-VAE 모델은 이상탐지 서비스에 큰 모멘텀이 될 것이다. 특히 다양한 형태의 시계열 데이터를 다루고 있기에 적용분야가 ICT 산업분야에 국한되는 것이 아닌, 디지털 헬스케어, 스마트 팩토리 등 다양한 산업분야에서도 활용할 수 있어 그 기대가 크다”고 밝혔다.

모아데이타, '이상탐지 알고리즘에 대한 연구' 국제 학술지에 게재 (edaily.co.kr)