A Hierarchical Ensemble Pipeline for Anomaly Detection in ESA Satellite Telemetry

A hierarchical ensemble pipeline is introduced to address anomaly detection in multivariate telemetry data provided by European Space Agency (ESA). The method integrates shapelet-based and statistical feature extraction, per-channel modeling, intra-channel stacking, and a final cross-channel aggregation. The pipeline is trained and validated using time-series cross-validation and two-level masking strategies to prevent information leakage. Results on the European Space Agency Anomaly Detection Benchmark (ESA-ADB) challenge demonstrate strong generalization, highlighting the effectiveness of hierarchical modeling in detecting subtle anomalies in realistic satellite telemetry.

📋 한 줄 요약

**[이상치 탐지 · 위성 텔레메트리]** ESA 다변량 위성 텔레메트리에 대한 계층적 앙상블 파이프라인을 제안해, shapelet·통계 특성 추출과 채널 내 스태킹·교차 채널 집계를 결합하고 두 단계 마스킹으로 정보 누설을 방지한다.

🎯 핵심 기여도

ESA 위성 텔레메트리용 계층적 앙상블 이상 탐지 파이프라인 제안
shapelet 기반 + 통계 기반 특성 추출의 결합
채널별 모델링 → 채널 내 스태킹 → 교차 채널 집계의 다층 구조 설계
시계열 교차 검증 + 두 단계 마스킹 전략으로 정보 누설 차단

💡 핵심 아이디어

실제 위성 텔레메트리는 채널이 많고 이상이 미묘하다. 모든 채널에 동일 모델을 적용하기보다, 채널별 특성을 먼저 학습해 채널 내부에서 모델 출력을 스태킹한 뒤 교차 채널로 집계함으로써 다양한 결함 패턴을 계층적으로 포착한다.

🔬 기술적 접근법

**모델/방법론**: 계층적 앙상블 파이프라인 — shapelet + 통계적 특성 추출 → 채널별 모델 → 채널 내 스태킹 → 교차 채널 집계
**핵심 기법**: 시계열 교차 검증과 두 단계 마스킹 전략으로 평가 시 정보 누설 방지, 다양한 결함 신호의 다중 수준 통합

📊 주요 결과

ESA-ADB(European Space Agency Anomaly Detection Benchmark)에서 강한 일반화 성능 확인
계층적 모델링이 미묘한 이상도 안정적으로 탐지함을 입증
두 단계 마스킹을 통해 평가 신뢰성 확보

💭 의의 및 한계

**의의**: 실 위성 운영 환경에 직결된 ESA-ADB에서 계층적 앙상블의 효용을 보여 항공우주 텔레메트리 모니터링의 실용적 기반을 제시한다. **한계**: shapelet/통계 특성에 의존하는 만큼 새로운 모드의 이상에는 재설계가 필요할 수 있고, 다른 도메인의 다변량 시계열로의 직접 전이 가능성은 추가 검증이 필요하다.

🚀 실용적 활용

인공위성 운영 텔레메트리 실시간 이상 탐지
산업 IoT 다채널 센서 데이터 모니터링
정밀 시계열 교차 검증 + 마스킹 기반 평가 절차 템플릿