기존 통신망 관리는 운영자가 직접 도메인 지식을 통해서 이상 상태를 판단하고 임계값을 설정하였다. 하지만 데이터의 시계열적 특성 때문에 적절한 관리가 어렵고 시간과 비용을 많이 요구한다. 따라서 본 프로젝트의 목표는 효율적인 통신망 관리를 위한 AI기반 이상 탐지 모델을 개발이다. 먼저 이상 데이터 양이 매우 적기 때문에 오토인코더 기반 비지도 이상 탐지 방법론을 적용하였다. 오토인코더 기반 비지도 이상 탐지 방법론은 '학습 단계에서 정상 데이터로만 모델을 학습시키면 추론 단계에서 이상 데이터가 들어왔을 경우 제대로 복원하지 못할 것'이라는 가정 하에 프레임워크가 작동한다. 그리고 데이터가 5분 단위로 계측되는 시계열 데이터이기 때문에 시계열적 특성을 반영하기 위해서 LSTM autoencoder를 베이스 모델로 활용하였다. 또한, 데이터 소스 별로 여러 개의 모델을 학습시켜야 하는 번거로움을 해결하고자 데이터 소스를 임베딩하여 LSTM autoencoder의 초기 토큰으로 입력해 소스 통합 모델을 개발하였다. 마지막으로 epistemic uncertainty를 이용해서 정상/이상을 구분하는 기준인 임계값을 각 시점 별로 동적으로 설정할 수 있도록 스케일링 함수를 개발하였다. 본 프로젝트에서 구축한 이상 탐지 모델이 효율적인 통신망 이상 탐지 및 모니터링에 효과적인 기여를 할 것으로 본다.