Sintesi Tecnica: IBAD – Rilevamento Interpretabile di Anomalie Comportamentali su Dati di Mobilità Umana

Definizione del Problema

I dati sulla mobilità umana esibiscono un'elevata variabilità, eppure gran parte del movimento quotidiano di un individuo segue schemi comportamentali strutturati e ricorrenti (ad esempio, pendolarismo, routine scolastiche, commissioni). I metodi tradizionali di rilevamento delle anomalie si concentrano spesso su deviazioni in termini di località specifiche, timestamp o forme di traiettoria. Tuttavia, tali approcci possono non riuscire a rilevare le "anomalie comportamentali", ovvero casi in cui una persona visita luoghi familiari ma in un ordine o una combinazione incoerenti con il proprio repertorio storico (ad esempio, un pendolare che presenta un modello di sosta multipla a tarda notte).

Il documento definisce il problema del rilevamento di anomalie comportamentali a livello giornaliero: identificare i giorni in cui l'intero schema di attività di un individuo non può essere spiegato plausibilmente da una miscela dei suoi stabiliti modelli comportamentali storici. L'obiettivo è distinguere la variabilità naturale (ricombinazione di modelli familiari) dai veri cambiamenti comportamentali.

Metodologia: Il Framework IBAD

Il framework proposto, IBAD (Interpretable Behavioral Anomaly Detection), opera in due fasi principali: Scoperta dei Modelli Comportamentali (Behavioral Template Discovery) e Scoring delle Anomalie Gerarchico Auto-Supervisionato.

1. Scoperta dei Modelli Comportamentali (Unsupervised)

Prima di rilevare le anomalie, il sistema apprende un vocabolario condiviso di archetipi comportamentali quotidiani.

• Rappresentazione dei Dati: I record di mobilità grezzi vengono trasformati in timeline di attività giornaliere a lunghezza fissa, suddivise in intervalli temporali discreti. Ogni intervallo viene tokenizzato come un'attività con relativo timestamp (ad esempio, "08:00-Lavoro").
• Topic Modeling: Gli autori impiegano la Latent Dirichlet Allocation (LDA) per trattare le timeline di attività giornaliere come "documenti" e i modelli comportamentali come "topic latenti".
  • Modelli ($\mathcal{T}$): Un insieme di $K$ pattern giornalieri prototipici (ad esempio, una giornata lavorativa 9-17, una giornata di svago nel fine settimana) appresi dal corpus.
  • Miscele ($\theta$): Ogni singolo giorno non è rappresentato come un singolo modello, ma come una distribuzione di probabilità "soft" (miscela) su questi $K$ modelli.
• Risultato: Ciò produce un riassunto compatto e interpretabile del comportamento quotidiano, dove un giorno è definito dalla sua combinazione pesata di archetipi globali.

2. Architettura IBAD (Modello Gerarchico Auto-Supervisionato)

IBAD apprende a prevedere la miscela di modelli attesa per un determinato giorno basandosi sulla propria traiettoria storica.

• Embedding delle Visite: Le singole visite sono codificate tramite embedding apprendibili per l'identità dell'agente, l'orario di arrivo/partenza (tramite Time2Vec) e le categorie di attività.
• Rappresentazione Giornaliera: Un encoder Transformer bidirezionale elabora la sequenza di visite all'interno di un singolo giorno. Un token [CLS] apprendibile aggrega queste visite in un vettore giornaliero a dimensione fissa ($z_d$), catturando le dipendenze intra-giornaliere e pesando le attività dominanti.
• Predizione Condizionata dalla Storia: Un meccanismo di cross-attention causale predice la miscela di modelli ($\hat{\theta}_d$) per un target day.
  • La query è derivata dal timestamp del giorno target.
  • Le chiavi (keys) e i valori (values) sono derivati dai vettori giornalieri precedenti dell'agente ($z_{d'}$ dove $d' < d$).
  • Ciò consente al modello di tenere conto degli intervalli di osservazione irregolari e della deriva temporale.
• Obiettivo di Addestramento: Il modello è addestrato per minimizzare la divergenza di Kullback-Leibler (KL) tra la miscela osservata (derivata dal passaggio LDA) e la miscela predetta (derivata dalla storia dell'agente).
• Anomaly Scoring: Durante l'inferenza, lo score di anomalia per un giorno è la divergenza KL tra la miscela osservata e la predizione del modello. Un'elevata divergenza indica che il comportamento del giorno è incoerente con il repertorio storico dell'agente.

3. Strategia di Benchmarking

Poiché le etichette di verità assoluta (ground-truth) per le anomalie comportamentali sono scarse, gli autori introducono un Benchmark di Splicing (Splicing Benchmark):

• Splicing Intra-agente: Sostituisce un giorno con un altro giorno dello stesso agente (ad esempio, sostituendo un giorno lavorativo con uno del fine settimana) per simulare deviazioni della routine intra-persona.
• Splicing Inter-agente: Sostituisce un giorno con uno di un agente diverso per simulare mismatch comportamentali tra persone diverse.
• Combinato: Un mix di entrambe le strategie.
• Filtraggio: Le sostituzioni sono accettate solo se la divergenza di Jensen-Shannon tra il modello originale e il giorno iniettato supera una determinata soglia, garantendo cambiamenti comportamentali significativi.

Contributi Chiave

1. Nuovo Paradigma Comportamentale: Sposta il focus del rilevamento delle anomalie dalle rigide deviazioni spaziali/temporali alle miscele di modelli comportamentali. Le anomalie sono definite come giorni in cui l'intero schema di attività non può essere spiegato dalla miscela di routine stabilita dall'individuo.
2. Scoperta dei Modelli Comportamentali: Dimostra che la mobilità giornaliera si decompone in un piccolo set di modelli interpretabili utilizzando la LDA non supervisionata. Il framework IBAD valuta i giorni in base alla loro deviazione dalla predetta miscela di modelli.
3. Nuovi Benchmark:
   • Un benchmark Geolife semanticamente etichettato, che mappa i punti di sosta GPS grezzi in categorie di attività utilizzando OpenStreetMap e LLM.
   • Un protocollo di splicing per valutare il rilevamento di anomalie comportamentali in assenza di etichette ground-truth, coprendo mismatch intra-persona, inter-persona e combinati.
4. Robustezza e Trasferibilità: Gli esperimenti mostrano che i modelli appresi su un dataset (ad esempio, NHTS) catturano archetipi comportamentali universali che si trasferiscono attraverso contesti geografici e demografici distinti (ad esempio, Geolife, dati sintetici).

Risultati Sperimentali

Il paper valuta IBAD su dataset reali (NHTS 2017, Geolife) e sintetici (NUMOSIM).

• Interpretabilità dei Modelli: I modelli scoperti tramite LDA (ad esempio, lavoro a tempo pieno, studente, sedentarietà domestica, lavoro a turni) si allineano con gli archetipi comportamentali umani noti e sono temporalmente distinti.
• Performance: IBAD supera costantemente i baseline allo stato dell'arte (inclusi metodi come BeSTAD, LMTAD e ICAD) nel rilevare anomalie comportamentali in tutti gli scenari.
• Generalizzazione: Il framework mantiene prestazioni robuste anche quando applicato a dataset con distribuzioni differenti, dimostrando che gli archetipi comportamentali appresi sono trasferibili.

Significato e Rivendicazioni

Il paper sostiene che IBAD offra un avanzamento significativo affrontando il limite dei metodi esistenti che si affidano a feature spaziali o temporali create artigianalmente. Astraendo la mobilità in miscele di modelli interpretabili, IBAD può rilevare cambiamenti di stile di vita e cambiamenti comportamentali che appaiono "fuori dal comune" anche se nessun singolo luogo visitato è insolito.

Gli autori posizionano questo approccio come particolarmente rilevante per applicazioni quali:

• Assistenza agli anziani e monitoraggio del declino cognitivo.
• Valutazione della salute psichiatrica.
• Sicurezza infantile e rilevamento delle frodi.
• Sicurezza pubblica.

Il lavoro sottolinea che le vere anomalie comportamentali sono spesso definite dalla ricombinazione delle attività piuttosto che dalle attività stesse, una sfumatura catturata dall'approccio della miscela di modelli. Il codice è rilasciato per la riproducibilità.