En escenarios reales, las plataformas de computación industrial y en la nube generalmente necesitan monitorear equipos y anomalías de tráfico a través de datos de series temporales multivariables. Sin embargo, los métodos existentes de detección de anomalías no pueden capturar las correlaciones temporales de larga distancia de los datos y las relaciones potenciales entre características simultáneamente, y solo tienen una alta precisión de detección para escenarios específicos de detección de anomalías de secuencias temporales sin una buena capacidad de generalización.