工業機器の監視において、故障診断はシステムの信頼性を確保し、予測保全を可能にするために重要です。しかし、故障データは稀少であり、データ注釈のコストも高いため、データ駆動型アプローチが制約を受けています。従来の時系列生成モデルは、正常データが豊富にある環境で最適化されているため、少数ショットシナリオにおいて故障の分布を捉えることが困難です。この課題に対処するために、私たちはディフュージョンモデルに基づく新しい少数ショット故障時系列生成フレームワークを提案します。このアプローチでは、正常データ分布を基に正負差分アダプタを用いて正常領域と故障領域の不一致をモデル化し、正確な故障合成を実現します。さらに、モード崩壊を防ぐための多様性損失を導入し、サンプル間の差異を通じて多様な故障サンプルの生成を促進します。実験結果は、私たちのモデルが従来の手法よりも認証性と多様性において著しく優れていることを示し、主要ベンチマークで最先端の性能を達成しました。