🤖 machine learning

DQS: A Low-Budget Query Strategy for Enhancing Unsupervised Data-driven Anomaly Detection Approaches

Este artículo presenta la Estrategia de Consulta Basada en la Disimilitud (DQS, por sus siglas en inglés), un novedoso enfoque de aprendizaje activo que mejora la detección de anomalías en series temporales no supervisadas mediante la selección de muestras diversas para el etiquetado por parte del oráculo con el fin de refinar la selección de umbrales, demostrando un rendimiento superior en escenarios de bajo presupuesto a pesar del potencial de etiquetado erróneo.

Autores originales: Lucas Correia, Jan-Christoph Goos, Thomas Bäck, Anna V. Kononova

Publicado 2026-08-12

📖 6 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Lucas Correia, Jan-Christoph Goos, Thomas Bäck, Anna V. Kononova

Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

Imagina que eres el guardián de una enorme fábrica de máquinas zumbantes. Cada día, miles de sensores registran el latido de las máquinas: temperatura, vibración, presión y velocidad. La mayor parte del tiempo, estas máquinas funcionan con un ritmo "nominal" (normal). Pero a veces, un engranaje se desliza o un rodamiento se sobrecalienta, creando un fallo extraño y "anómalo". Si detectas estos fallos a tiempo, salvas la fábrica; si los pasas por alto, las cosas se rompen. El problema es que los datos son tan enormes y complejos que los humanos no pueden vigilar cada segundo. Por eso, usamos computadoras para escuchar los ritmos extraños.

Pero aquí está el truco: las computadoras son excelentes para detectar lo extraño, pero son pésimas para saber qué tan extraño es "demasiado extraño". Es como un detector de humo que pita ante el olor de una tostada, pero permanece en silencio durante un incendio porque nunca le dijiste cómo huele un incendio real. Para solucionar esto, normalmente necesitamos mostrarle a la computadora ejemplos de máquinas "normales" y "rotas" para que pueda aprender la línea en la arena. Pero en el mundo real, rara vez tenemos una pila de ejemplos etiquetados de máquinas "rotas" lista para usar. Este artículo vive en un rincón de la ciencia llamado aprendizaje no supervisado de detección de anomalías, donde intentamos encontrar las manzanas podridas sin una lista preestablecida de cómo se ven las manzanas podridas. La gran pregunta es: si no podemos etiquetarlo todo, ¿cómo le enseñamos a la computadora lo justo para que lo haga bien sin gastar una fortuna en expertos humanos?

Los autores de este artículo, Lucas Correia y su equipo, decidieron abordar esto mezclando dos ideas: el aprendizaje no supervisado (dejar que la computadora adivine por su cuenta) y el aprendizaje activo (pedir ayuda a un experto humano solo cuando es absolutamente necesario). Llaman a su nuevo método DQS (Estrategia de Consulta basada en la Disimilitud).

Piensa en la computadora como un detective intentando encontrar a un ladrón en una multitud. El detective tiene un "puntaje de sospecha" para cada persona. Si el puntaje es muy alto, la persona es un ladrón; si es bajo, es inocente. Pero el detective no sabe dónde trazar la línea. Usualmente, el detective simplemente adivina una línea, lo que a menudo conduce a errores. Los autores sugieren una forma más inteligente: en lugar de pedir al experto humano que etiquete personas al azar, o solo a las personas que el detective cree que son más sospechosas, el detective debería preguntar por personas que son completamente diferentes entre sí.

Así es como funciona su nueva estrategia, DQS: Imagina que el detective tiene una lista de "puntajes de sospecha" para todos. Para elegir a la siguiente persona sobre la cual preguntar al experto humano, DQS mira los puntajes y pregunta: "¿Quién aquí es el más distinto a las personas sobre las que ya he preguntado?". Utilizan una herramienta matemática llamada Dynamic Time Warping (DTW) para medir esta "falta de semejanza". Puedes pensar en el DTW como una forma de comparar dos canciones que podrían ser reproducidas a diferentes velocidades. Incluso si una canción es rápida y la otra es lenta, el DTW puede determinar si son la misma melodía o totalmente diferentes. DQS utiliza esto para encontrar puntajes de anomalía que sean tan diferentes como sea posible de los ya revisados. Al elegir las muestras más diversas y "extrañamente diferentes" para mostrárselas al humano, el detective aprende la línea en la arena de manera mucho más rápida y precisa.

El artículo prueba esta idea en un conjunto de datos llamado PATH, que simula el comportamiento complejo y cambiante del motor de un automóvil a lo largo del tiempo. Compararon DQS contra otras tres formas de pedir ayuda:

Aleatorio: Simplemente elegir personas para preguntar lanzando un dado.
Top: Preguntar solo por las personas con los puntajes de sospecha más altos.
Incertidumbre: Preguntar por personas cuyos puntajes están justo en el borde de la suposición actual.

Los resultados, medidos por una puntuación llamada F1 (que equilibra el encontrar todas las manzanas podridas sin dar demasiadas falsas alarmas), mostraron algunas cosas interesantes. Cuando el experto humano tiene un presupuesto muy pequeño (lo que significa que solo puede etiquetar unas pocas muestras, como 1 o 5), DQS es el claro ganador. Encuentra el umbral de la mejor manera mucho más que los otros métodos. Sin embargo, los autores también probaron qué sucede si el experto humano comete errores (etiquetado erróneo). Simularon escenarios donde el experto se equivocaba un 10%, 20% o incluso un 30% de las veces. En estas situaciones desordenadas y realistas, DQS todavía funcionó bien, pero la estrategia "Top" (preguntar por los más sospechosos) resultó ser un poco más persistente y robusta frente a los errores del humano.

Crucialmente, el artículo muestra que ninguna estrategia única es perfecta en todas las situaciones. DQS no es una solución mágica que lo vence todo para siempre. De hecho, cuando el presupuesto es grande (10 muestras), los otros métodos a veces alcanzan o incluso superan a DQS en días específicos. Pero el hallazgo más importante es que cualquiera de estas estrategias inteligentes de consulta es mejor que simplemente adivinar la línea sin preguntar a nadie. Incluso cuando el experto humano está cometiendo errores, usar una estrategia para elegir a quién preguntar sigue produciendo mejores resultados que dejar que la computadora intente adivinar por su cuenta.

Los autores concluyen que si tienes la oportunidad de pedir ayuda a un experto humano, definitivamente debes hacerlo, pero debes ser inteligente sobre a quién le preguntas. Si tienes muy poco tiempo o dinero para el etiquetado, usa el método DQS para elegir las muestras más diversas. Si te preocupa que tu experto pueda cansarse y cometer errores, la estrategia "Top" podría ser más segura. El artículo no pretende haber resuelto el problema de la detección de anomalías para siempre, sino que sugiere que, al ser estratégicos sobre cómo pedimos ayuda, podemos acercarnos mucho más a la respuesta perfecta sin necesidad de una montaña de datos etiquetados.

Resumen Técnico: DQS – Una estrategia de consulta de bajo presupuesto para mejorar los enfoques de detección de anomalías no supervisados basados en datos

1. Planteamiento del problema

Los enfoques verdaderamente no supervisados para la detección de anomalías en series temporales son escasos en la literatura. Los métodos existentes suelen sufrir de umbrales mal configurados, lo que dificulta significativamente el rendimiento de la detección. Aunque algunos enfoques afirman ser no supervisados, frecuentemente dependen de subconjuntos de datos etiquetados para la calibración o el ajuste de hiperparámetros, un recurso que a menudo no está disponible en escenarios del mundo real. Incluso cuando existen métodos verdaderamente no supervisados (por ejemplo, utilizando un Autoencoder Variacional Temporal, TeVAE), el proceso de selección del umbral sigue siendo un cuello de botella crítico. Correia et al. [12] han demostrado una brecha de rendimiento significativa entre el umbral no supervisado y un umbral óptimo, lo que indica un potencial sin explotar.

Además, la literatura existente sobre aprendizaje activo en este dominio suele asumir un "oráculo perfecto" (precisión de etiquetado del 100%), un supuesto idealizado que ignora la realidad del error humano, la fatiga y la dificultad de etiquetar ciertas muestras. Existe una falta de investigación que investigue cómo las tasas de error de etiquetado impactan el rendimiento de la detección de anomalías cuando se utiliza el aprendizaje activo para la selección de umbrales.

2. Metodología

2.1 Marco de Aprendizaje Activo

El enfoque propuesto integra el aprendizaje activo en un pipeline de detección de anomalías no supervisado existente. El sistema opera en un bucle que involucra:

El Oráculo: Un experto en el dominio que etiqueta las muestras no etiquetadas como nominales o anómalas.
El Modelo: Un detector de anomalías no supervisado (específicamente TeVAE) entrenado con datos no etiquetados.
La Estrategia de Consulta: Un mecanismo para seleccionar qué muestras de un conjunto de candidatos deben enviarse al oráculo para su etiquetado, restringido por un presupuesto de consulta $B$ .
La Estrategia de Retroalimentación: El proceso de utilizar los datos recién etiquetados para refinar el umbral de decisión, mejorando así el rendimiento de la detección.

2.2 Estrategia de Consulta Basada en la Disimilitud (DQS)

La contribución central de este trabajo es la Estrategia de Consulta Basada en la Disimilitud (DQS). Esta es una estrategia no paramétrica diseñada para maximizar la diversidad de las muestras consultadas sin requerir una parametrización previa.

Mecanismo: DQS evalúa la similitud entre las puntuaciones de anomalía de diferentes series temporales utilizando Dynamic Time Warping (DTW). A diferencia de métricas como el Error Cuadrático Medio, DTW puede manejar secuencias de longitudes variables y tiene en cuenta el desalineamiento temporal.
Lógica de Selección:
1. Inicialización: Para la primera consulta de una ronda, se selecciona una muestra aleatoria del conjunto de puntuaciones candidatas ( $C_{as}$ ).
2. Maximización de la Diversidad: Para las consultas subsiguientes dentro de una ronda, el algoritmo identifica la muestra candidata que es más disímil a la muestra más similar ya presente en el conjunto de consulta ( $Q_{as}$ ).
3. Proceso:
  - Calcular la distancia DTW entre todos los candidatos en $C_{as}$ y todas las muestras en $Q_{as}$ .
  - Identificar al candidato ( $o$ ) en $C_{as}$ que tiene la distancia mínima hacia cualquier muestra en $Q_{as}$ (el "más similar").
  - Identificar al candidato ( $r$ ) en $C_{as}$ que tiene la distancia máxima respecto a $o$ (el "más disímil").
  - Mover $r$ a $Q_{as}$ .
Refinamiento del Umbral: Una vez que el presupuesto $B$ se agota para una ronda, las muestras etiquetadas en $Q_{as}$ se utilizan para realizar una búsqueda de cuadrícula (grid search) para un umbral óptimo $\tau$ , reemplazando el umbral no supervisado estándar ( $\tau_{us}$ ).

2.3 Configuración Experimental

Conjunto de Datos: Se utilizó el conjunto de datos PATH, que representa la dinámica de la transmisión de un automóvil. Consiste en series temporales multivariantes con anomalías no triviales.
Simulación de Condiciones del Mundo Real: Los datos se dividieron en ventanas temporales crecientes (de 1 día a 28 días) para imitar la acumulación gradual de datos.
Simulación de Errores de Etiquetado: Para probar la robustez, las etiquetas de verdad absoluta se invirtieron basándose en una distribución de Bernoulli con probabilidades de error de etiquetado ( $p_m$ ) de 0.1, 0.2 y 0.3.
Líneas Base (Baselines):
- Umbral No Supervisado ( $\tau_{us}$ ): Error máximo del conjunto de validación.
- Hipotético Mejor Umbral ( $\tau_{best}$ ): El umbral óptimo encontrado mediante búsqueda de cuadrícula en el conjunto de prueba (inobservable en la práctica).
- Estrategia de Consulta Aleatoria (RQS): Selección aleatoria.
- Estrategia de Consulta Basada en el Top (TQS): Selección de muestras con las puntuaciones de anomalía más altas (basada en incertidumbre en parte de la literatura).
- Estrategia de Consulta Basada en la Incertidumbre (UQS): Selección de muestras más cercanas al umbral actual.

3. Contribuciones Clave

Nueva Estrategia de Consulta (DQS): Introducción de una estrategia de consulta no paramétrica que aprovecha DTW para maximizar la diversidad de las muestras en el contexto de la detección de anomalías de secuencias discretas.
Análisis de Errores de Etiquetado: Una metodología de prueba novedosa que considera explícitamente las probabilidades de error de etiquetado del oráculo, abordando un vacío en la literatura donde a menudo se asume un "etiquetado perfecto".
Integración de Aprendizaje Activo: Demostración de un marco práctico para combinar el aprendizaje activo con modelos no supervisados específicamente para refinar la selección del umbral, en lugar de reentrenar el modelo en sí mismo.

4. Resultados

4.1 Rendimiento vs. Presupuesto de Consulta

Presupuestos Pequeños ( $B < 10$ ): DQS superó consistentemente a RQS, TQS y UQS en varios cortes temporales (1 a 28 días). Logró puntuaciones F1 significativamente más cercanas al hipotético mejor umbral ( $\tau_{best}$ ) que la línea base no supervisada.
Presupuestos Mayores ( $B = 10$ ): DQS se mantuvo competitivo, a menudo igualando o superando a otras estrategias, aunque TQS mostró un fuerte rendimiento en cortes específicos.
Tendencia General: Todas las estrategias de consulta superaron al umbral no supervisado ( $\tau_{us}$ ) una vez que el subconjunto de entrenamiento creció lo suficiente como para que el modelo aprendiera representaciones significativas.

4.2 Impacto del Error de Etiquetado

Robustez: Mientras que DQS funcionó mejor en escenarios de bajo presupuesto y etiquetas limpias, TQS demostró una mayor robustez ante tasas de error de etiquetado más altas ( $p_m = 0.2, 0.3$ ).
Sensibilidad de DQS: El rendimiento de DQS se degradó de forma más notable con el aumento de las tasas de error de etiquetado en comparación con TQS, particularmente en los cortes temporales posteriores.
Hallazgo General: A pesar del error de etiquetado, todas las estrategias de aprendizaje activo superaron al umbral puramente no supervisado ( $\tau_{us}$ ). Incluso con una tasa de error del 30%, los umbrales basados en aprendizaje activo produjeron mejores puntuaciones F1 que la línea base no supervisada.

5. Significación y Reivindicaciones

Los autores afirman que este trabajo proporciona una solución práctica para escenarios donde los datos etiquetados son escasos pero se dispone de un oráculo (experto humano) para consultas limitadas. La significación radica en:

Eficiencia de Bajo Presupuesto: DQS es particularmente efectivo cuando el costo de etiquetado es alto (presupuesto pequeño), maximizando la ganancia de información por consulta al asegurar la selección de muestras diversas.
Viabilidad del Aprendizaje Activo: El estudio valida que se recomienda emplear un umbral de aprendizaje activo siempre que sea posible, ya que consistentemente supera al umbral no supervisado incluso en presencia de un etiquetado imperfecto.
Evaluación Realista: Al introducir probabilidades de error de etiquetado, el artículo ofrece una evaluación más realista de las estrategias de aprendizaje activo en la detección de anomalías en series temporales, yendo más allá del supuesto idealizado del "oráculo perfecto".

El artículo concluye que, si bien ninguna estrategia domina todas las categorías (DQS destaca en escenarios de bajo presupuesto/etiquetas limpias; TQS en escenarios de alto error de etiquetado), la integración del aprendizaje activo para la selección del umbral es un enfoque viable y superior a los métodos puramente no supervisados. Se sugiere que el trabajo futuro se centre en estandarizar los procedimientos de benchmarking y en desarrollar estrategias de consulta que equilibren la eficiencia de bajo presupuesto con la robustez al error de etiquetado.