ProtoX-AD: Self-Explainable Time Series Anomaly Detection and Characterization

Resumen Técnico: ProtoX-AD

Planteamiento del Problema
La detección de anomalías en series temporales (TSAD) es crítica en dominios como las finanzas, el IoT y la salud. Aunque los enfoques recientes basados en clasificación autosupervisada (SSC-TSAD) han demostrado un sólido rendimiento al entrenar clasificadores para reconocer patrones específicos de transformación en datos normales, sufren de una falta significativa de explicabilidad. Estos métodos de "caja negra" proporcionan puntuaciones de anomalía, pero ofrecen una visión limitada de las características de las anomalías detectadas, fallando en el soporte para la identificación e interpretación de perfiles anómalos distintos. Además, las bases de referencia explicables existentes carecen de mecanismos para analizar sistemáticamente cómo el diseño de la transformación influye tanto en el rendimiento de la detección como en el significado semántico de las explicaciones.

Metodología: ProtoX-AD
Los autores proponen ProtoX-AD, un marco basado en prototipos y autoexplicable para TSAD autosupervisado. El método integra modelos autoexplicables prototípicos (SEM) con el paradigma SSC-TSAD.

• Arquitectura: El pipeline consta de cinco componentes:

  1. Módulo de Transformación: Aplica un conjunto de $K$ transformaciones (manuales o redes neuronales aprendibles) a las muestras de entrada para generar vistas aumentadas. La primera transformación es una función identidad.
  2. Extracción de Características: Un codificador probabilístico (inspirado en ProtoVAE) mapea las vistas aumentadas en un espacio latente, modelando la distribución posterior como una tupla de media y varianza.
  3. Reconstrucción Dual: Consiste en un explicador (reconstruye las vistas aumentadas a partir de las representaciones latentes) y un decodificador de preservación semántica (reconstruye la muestra original). Esto asegura la fidelidad a nivel de entrada y la consistencia semántica a través de las transformaciones.
  4. Módulo de Prototipos: Aprende $M$ prototipos por clase de transformación en el espacio latente. Estos prototipos representan conceptos interpretables.
  5. Módulo de Clasificación: Realiza la clasificación autosupervisada mediante el cálculo de la similitud entre las representaciones latentes y los prototipos específicos de clase, alimentando estas similitudes a un clasificador lineal.

• Objetivo de Entrenamiento: El modelo se entrena con datos normales no etiquetados utilizando una función de pérdida compuesta:

  • Pérdida de Clasificación ($L_{class}$): Pérdida de entropía cruzada para distinguir las clases de transformación.
  • Pérdida de Reconstrucción Dual ($L_{recon}$): Incluye la reconstrucción del explicador, la preservación semántica y una regularización basada en mezclas (divergencia KL) para alinear las representaciones latentes con los prototipos.
  • Pérdida de Aprendizaje de Prototipos ($L_{proto}$): Combina una pérdida de agrupamiento (asegurando que las muestras estén cerca de al menos un prototipo) y una pérdida de cobertura (evitando prototipos "fantasma" o no utilizados).

• Detección de Anomalías y Explicación:

  • Detección: La puntuación de anomalía se define como la pérdida de entropía cruzada de la vista de identidad. Un error alto indica que la muestra viola los patrones normales aprendidos.
  • Explicación: Para una nueva muestra, se identifica el prototipo más cercano en el espacio latente y se decodifica al espacio de entrada mediante la red del explicador. Esto proporciona una representación visual y humanamente interpretable del perfil anómalo.

Contribuciones Clave

1. Propuesta de Marco: Introducción de ProtoX-AD, un marco autoexplicable que aprende representaciones latentes conscientes de la transformación junto con prototipos interpretables.
2. Rendimiento vs. Explicabilidad: Demostración de que el método logra un rendimiento de detección comparable al de sus contrapartes autosupervisadas de caja negra, proporcionando explicaciones consistentes y semánticamente significativas para la caracterización de anomalías.
3. Análisis de Transformación: Un análisis sistemático de cómo el diseño de la transformación (manual vs. neuronal aprendible) impacta el rendimiento de la detección, la explicabilidad y la capacidad de caracterizar perfiles anómalos distintos.

Resultados Experimentales
Los autores evaluaron ProtoX-AD en tres conjuntos de datos: sintético (UMD), anomalías de temperatura global (GTA) y detección de fugas de agua en el mundo real (Yorkshire).

• Rendimiento de Detección:

  • Con transformaciones diseñadas manualmente (aprovechando el conocimiento del dominio), ProtoX-AD logró un rendimiento comparable o ligeramente superior al de las bases de referencia autosupervisadas de caja negra, y superó consistentemente a los métodos superficiales (Isolation Forest, LOF, One-Class SVM).
  • Con transformaciones neuronales aprendibles, el rendimiento cayó significativamente en todos los conjuntos de datos, particularmente en escenarios complejos, subestimando a menudo a los métodos superficiales.
  • ProtoX-AD generalmente mostró un rendimiento más consistente a través de diferentes conjuntos de datos y configuraciones en comparación con la base de referencia explicable KMEx.

• Calidad de la Explicabilidad:

  • Cualitativa: ProtoX-AD produjo prototipos de nivel de clase más suaves que capturaron patrones inducidos por la transformación (por ejemplo, desviaciones específicas con forma de campana o cambios de temperatura). En contraste, los prototipos de KMEx fueron más nítidos y exhibieron ruido específico de la instancia. Las transformaciones neuronales fallaron en producir prototipos significativos, mapeando a menudo las anomalías a la clase de identidad (normal).
  • Cuantitativa: ProtoX-AD (con transformaciones manuales) logró un Error Absoluto Medio (MAE) y un Error Cuadrático Medio (MSE) más bajos entre las muestras de prueba y su explicación de prototipo asignada en comparación con KMEx.
  • Consistencia: ProtoX-AD impuso una alineación consistente entre las asignaciones del espacio latente y las representaciones del espacio de entrada, mientras que KMEx exhibió discrepancias donde el prototipo latente más cercano no correspondía al concepto más cercano en el espacio de entrada.

Significancia y Reivindicaciones
El artículo afirma que ProtoX-AD logra cerrar la brecha entre la detección de anomalías de alto rendimiento y la explicabilidad intrínseca. Los autores enfatizan que incorporar el conocimiento del dominio a través de transformaciones diseñadas manualmente es esencial tanto para un fuerte rendimiento de detección como para una caracterización de anomalías significativa. Si bien las transformaciones neuronales ofrecen generalidad, los resultados sugieren que son insuficientes para capturar la estructura semántica requerida para una TSAD autosupervisada y una caracterización efectiva sin conocimiento previo.

El trabajo concluye que ProtoX-AD ofrece un mecanismo de detección más estable que las bases de referencia explicables existentes al integrar los prototipos directamente en el objetivo de aprendizaje. Sin embargo, los autores señalan modestamente que la dependencia de las transformaciones manuales puede ser una limitación en escenarios donde el conocimiento del dominio no está disponible, sugiriendo que el trabajo futuro debería explorar enfoques adaptativos para aprender progresivamente las transformaciones basadas en las anomalías detectadas. El marco se presenta como extensible a otras modalidades de datos más allá de las series temporales.