本研究では、時系列データにおける異常検知のために新しい手法である量子ゲート付きリカレントユニット（QGRU）ベースの生成的敵対ネットワーク（GAN）を提案します。これは、逐次データ注入（SuDaI）と多メトリックゲーティング戦略を用いたもので、量子強化生成器がガウス分布のパラメータを出力し、ワッサースタイン批評家を使って敵対的訓練を安定化します。このモデルでは、ガウス不確実性の推定に基づいて潜在的異常をフラグ付けし、批評家のスコアと再構築誤差の組み合わせで確認する新たなゲーティングメカニズムを採用しています。標準データセットでの評価において、本手法は高いF1スコア（時系列認識F1スコア89.43%）を達成し、既存の古典的および量子モデルに比べて優れた異常検出能力を示しました。また、実際のIBM量子ハードウェアに展開した場合も高いパフォーマンスを保持し、現在の中規模量子デバイスでの実用性が確認されました。