# Gfm4Mtsad 图基础模型时序异常检测框架

多变量时序异常检测长期依赖在目标域小数据上从零训练的图检测器，学到的传感器拓扑易被伪相关带偏，也无法复用预训练图模型的关系先验。Gfm4Mtsad把冻结的图基础模型包在三个外围模块里：SICA对齐时序特征与正常连接先验并补回投影丢失的细节，MAPS用保留残差的局部依赖破坏合成近边界伪异常，TGEC只在分数上尾重排多粒度证据。在MSL P-15、SMAP T-3、SMD 1-1三个真实数据集和AnomalyGFM、OwlEye两个骨干上，该适配在多数指标上取得最好或次好成绩。

多变量时序异常检测长期依赖在目标域小数据上从零训练的图检测器，学到的传感器拓扑易被伪相关带偏，也无法复用预训练图模型的关系先验。Gfm4Mtsad把冻结的图基础模型包在三个外围模块里：SICA对齐时序特征与正常连接先验并补回投影丢失的细节，MAPS用保留残差的局部依赖破坏合成近边界伪异常，TGEC只在分数上尾重排多粒度证据。在MSL P-15、SMAP T-3、SMD 1-1三个真实数据集和AnomalyGFM、OwlEye两个骨干上，该适配在多数指标上取得最好或次好成绩。