Método de subespacios para detección de anomalías en series de tiempo

Abstract

La detección de anomalías en series de tiempo es un proceso importante para el monitoreo de un sistema en tiempo real, ya que una anomalía puede indicar una situación crítica y requerir acción inmediata cuando el comportamiento anómalo ocurre, en particular para sistemas ciberfísicos, donde se pueden tener varias señales que se miden de manera constante en el tiempo. En este trabajo se presenta un método de detección de anomalías en series de tiempo basado en subespacios de información de la propia serie temporal en comportamiento regular y un algoritmo rápido y de bajo costo computacional para detección de anomalías en series de tiempo, basado en la teoría presentada.

Además, se muestran resultados numéricos con señales reales en el tiempo generadas con las anomalías correctamente identificadas por los algoritmos propuestos. Se proporcionan todos los datos y códigos requeridos para replicar los resultados mostrados.The time series anomaly detection is an important process for the monitoring of a system in real time, because an anomaly may indicate a critical situation and require immediate action when an anomalous behavior happen, in particular on cyber-physical systems, where there can be various signals that being measured constantly in time. In this document, it is presented a time series anomaly detection method based on subspaces of information of the time series in regular behavior, and a fast and low computational cost algorithm for anomaly detection for time series based on the theory presented. Numerical results of real signal in time with the generated anomalieswere correctly identified by the proposed algorithms. It is provided all the data and codes required to replicate the results shown.