4교시 4번 · 25점 · 6문제 중 4문제 선택 · 100분
시계열 데이터에서 실시간 이상치 탐지는 여러 산업 분야에서 중요성이 증가하고 있다.
다음을 설명하시오.
- 시계열 데이터의 이상치 유형
- 시계열 데이터 이상치 탐지 방식
- 딥러닝 기반 시계열 데이터 이상치 탐지 기법
답안 개요 보기
답안 구조
- 시계열 데이터 실시간 이상치 탐지 개요
- 가) 시계열 데이터의 이상치 유형
- 나) 시계열 데이터 이상치 탐지 방식
- 다) 딥러닝 기반 이상치 탐지 기법
- 실무 적용 시 고려사항 및 발전 동향
용어 정의
- 시계열 데이터(Time-Series Data)
- 일정한 시간 간격으로 순차적으로 기록된 관측치의 집합으로, 추세, 계절성, 주기성 등의 특성을 가지는 데이터
- 재구성 오차(Reconstruction Error)
- 오토인코더 등의 딥러닝 모델이 데이터를 압축 후 복원할 때 발생하는 원본 입력값과 복원된 출력값의 차이
핵심 내용
가)
- 점 이상치(Point Anomaly): 전체 데이터 분포에서 극단적으로 벗어난 단일 관측치 식별
- 상황적 이상치(Contextual Anomaly): 특정 시간이나 상황적 조건 내에서만 비정상으로 판별되는 관측치
- 집단적 이상치(Collective Anomaly): 개별 값은 정상이지만 연속된 데이터 집단이 비정상 패턴을 형성하는 경우
나)
- 통계적 기법: Z-Score, ARIMA 등을 활용한 확률 분포 및 시계열 예측 잔차 분석 기반 탐지
- 머신러닝 기법: Isolation Forest, One-Class SVM 등을 활용한 정상 데이터 경계 설정 및 고립도 측정
- 거리 및 유사도 기법: KNN, DTW 등을 활용하여 시계열 시퀀스 간의 거리 측정을 통한 비정상 패턴 식별
- 실시간 처리: 슬라이딩 윈도·스트리밍 기반 탐지와 동적 임계치 적용
다)
- 예측 기반: LSTM·GRU·Transformer로 다음 값을 예측해 예측 오차로 판정
- 재구성 기반: Autoencoder·VAE 복원 후 재구성 오차가 임계치 초과 시 이상
- 생성 모델 기반: GAN 계열로 정상 분포 학습, 판별기 점수·생성 오차 활용
AI 작성 답안 개요 · 검수 전 · 채점기준과 기준답안은 공개되지 않습니다. 참고용 개요입니다.
출처: 한국산업인력공단, Q-Net 자료실 · 공공누리 제1유형 · 원문(Q-Net)