{
  "id": "anomaly-detection",
  "title": "异常检测",
  "lang": "zh-Hans",
  "source_lang": "en",
  "summary": "异常检测用于识别偏离既定预期行为模型的观测、事件或模式。",
  "category": "computer-science",
  "subcategory": "artificial-intelligence",
  "type": "concept",
  "aliases": [
    "离群点检测",
    "离群值检测"
  ],
  "generated_at": "2026-10-04",
  "model": "pro/gpt-6.1-sol",
  "url": "https://aiwiki.page/zh/anomaly-detection/",
  "translations": {
    "en": {
      "url": "https://aiwiki.page/en/anomaly-detection/",
      "json": "https://aiwiki.page/en/anomaly-detection.json"
    }
  },
  "sections": [
    {
      "heading": "",
      "text": "异常检测是识别与预期行为显著不同的观测、事件或模式的过程。它借助统计学、机器学习和数据挖掘，从参考群体或过程中区分出异常情况。异常可能意味着故障、恶意活动、测量误差或此前未知的现象；仅凭其异乎寻常，并不能确定其原因或重要性。应用领域包括欺诈筛查、工业监测和网络安全。(arindam.cs.illinois.edu)"
    },
    {
      "heading": "异常的类型",
      "text": "一种常见的分类方式将异常分为三类：\n\n- **点异常：**与其余数据不同的单个观测，例如数值特别大的测量结果。\n- **上下文异常：**在特定情境下显得异常的观测，例如某个温度在夏季很普通，在冬季却很反常。\n- **集体异常：**一组观测的整体模式异常，即使其中各个值看起来都很普通。\n\n因此，上下文和观测之间的关系有助于界定异常。在时间序列中，一些本身并不异常的值，其排列顺序可能揭示异常序列。这些类别描述的是检测对象，而非规定应采用哪种算法。(arindam.cs.illinois.edu)"
    },
    {
      "heading": "学习设置与输出",
      "text": "在监督学习中，分类器使用带有标签的正常行为和异常行为样例进行训练。其检测范围取决于这些样例涵盖了哪些异常类型。无监督学习使用未标注的观测，通常假设异常相对少见，且不同于占主导地位的模式。主要使用经确认的正常样例训练的方法，则学习正常行为的参考描述。(arindam.cs.illinois.edu)\n\n另一项相关区分是离群点检测与新颖性检测：前者在可能混有异常的数据中识别不寻常的观测，后者则依据较为干净的参考数据集评估新观测。检测器可以输出标签，也可以输出数值分数，按异常程度对观测排序。阈值可将分数转化为判定结果，但该分数不一定是经过校准的、表示观测为异常的概率。(scikit-learn.org)"
    },
    {
      "heading": "统计与几何方法",
      "text": "统计方法将观测与假定或估计的概率分布进行比较。简单的单变量方法使用标准分数，以标准差为单位表示观测值偏离均值的距离；也可以使用基于中位数的稳健替代方法。基于四分位距的规则，则识别超出指定箱线图界限的观测。这类规则标记的是候选异常，并不能据此认定数值有误。分布假设很重要：针对近似正态数据设计的检验，在用于高度偏斜的总体时可能产生误导。(itl.nist.gov)\n\n多变量方法会考虑特征之间的关系。基于协方差的检测器描述一个近似椭球形的正常区域；观测是否异常取决于其相对于该区域的位置，而不只是各个特征单独来看是否极端。距离和密度方法评估观测相对于附近样本的孤立程度。局部离群因子将观测的局部密度与邻近观测的局部密度进行比较，从而能够针对密度不同的邻域开展检测。孤立森林采用随机划分：通过较短路径即可被孤立的观测，会被赋予更强的异常指示。(scikit-learn.org)"
    },
    {
      "heading": "边界与表征方法",
      "text": "支持向量机的单类变体估计包围参考观测的边界，并可使用非线性核函数。其表现取决于核函数的选择、模型参数以及参考数据中混入异常的情况；这类方法不需要每一种可能的异常类别都提供样例。(scikit-learn.org)\n\n基于重构的方法学习参考数据中的结构，并衡量观测能够被重现到何种程度。主成分分析通过低维子空间表示观测，而自编码器则学习编码器—解码器映射。较大的重构误差可能表明观测偏离了已学习的结构。不过，表达能力强的模型也可能很好地重构异常，而一些正常但未得到充分表征的样本，也可能产生较大误差。(arxiv.org)\n\n深度学习还支持基于预测的检测器、学习得到的嵌入，以及通过训练直接生成异常分数的模型。这些方法借助表征学习，能够处理图像、序列和其他复杂输入。它们仍然依赖于对正常行为的假设、训练数据中混入异常的情况，以及所学表征保留了哪些差异。(arxiv.org)"
    },
    {
      "heading": "数据准备与评估",
      "text": "特征的表示方式会影响检测器将什么视为异常。对于基于距离的方法，特征缩放可能改变邻域，从而改变检测结果。需要从数据中学习的预处理步骤必须与评估数据隔离：使用整个数据集拟合变换会引入数据泄漏（机器学习），并可能使表面上的性能虚高。(scikit-learn.org)\n\n评估时需要区分分数排序的质量与特定阈值下的判定效果。精确率衡量告警中真正异常所占的比例；召回率衡量真正异常中被检测出的比例。F值综合这两个指标。精确率—召回率曲线和受试者工作特征曲线概括了不同阈值下的表现，但回答的问题不同。当异常很少见时，由于正常观测在数量上占主导，总体准确率可能掩盖检测器未能发现异常的问题。(scikit-learn.org)\n\n预留的测试集用于衡量模型在未参与拟合的观测上的性能。对于存在时间依赖的数据，随机划分可能使关系密切的观测同时出现在训练集和评估集中。考虑时间顺序的交叉验证则使用较早的数据，对较晚的观测进行评估，更能反映面向未来的检测场景。(scikit-learn.org)"
    },
    {
      "heading": "实际运行中的局限",
      "text": "正常行为可能因趋势、季节性或分布偏移而变化，使固定基线的代表性减弱。时间序列检测器必须区分孤立的异常值、异常子序列以及更广泛的行为变化；这些任务不一定适用相同的评分或评估流程。(arxiv.org)\n\n告警表明观测偏离了检测器的参考模型，但并不解释这种偏离的原因。美国国家标准与技术研究院（NIST）区分了标记潜在离群点与调查、妥善处理这些离群点：极端观测可能是记录错误，也可能是总体中的真实成员，或是所假定模型不够恰当的证据。因此，自动丢弃所有被标记的观测可能会删除有效信息。(itl.nist.gov)"
    }
  ],
  "links": [
    "statistics",
    "machine-learning",
    "data-mining",
    "cybersecurity",
    "time-series",
    "supervised-learning",
    "unsupervised-learning",
    "probability-distribution",
    "z-score",
    "interquartile-range",
    "isolation-forest",
    "support-vector-machine",
    "principal-component-analysis",
    "autoencoder",
    "deep-learning",
    "representation-learning",
    "feature-scaling",
    "data-leakage",
    "f-score",
    "test-set",
    "cross-validation",
    "distribution-shift"
  ],
  "sources": [
    {
      "title": "arindam.cs.illinois.edu/papers/09/anomaly.pdf",
      "url": "https://arindam.cs.illinois.edu/papers/09/anomaly.pdf"
    },
    {
      "title": "scikit-learn.org/1.9/modules/outlier_detection.html",
      "url": "https://scikit-learn.org/1.9/modules/outlier_detection.html"
    },
    {
      "title": "itl.nist.gov/div898/handbook/eda/section3/eda35h.htm",
      "url": "https://itl.nist.gov/div898/handbook/eda/section3/eda35h.htm"
    },
    {
      "title": "arxiv.org/abs/2007.02500",
      "url": "https://arxiv.org/abs/2007.02500"
    },
    {
      "title": "scikit-learn.org/stable/common_pitfalls.html",
      "url": "https://scikit-learn.org/stable/common_pitfalls.html?highlight=linearregression"
    },
    {
      "title": "scikit-learn.org/stable/modules/model_evaluation.html",
      "url": "https://scikit-learn.org/stable/modules/model_evaluation.html?highlight=cross_val_score"
    },
    {
      "title": "scikit-learn.org/stable/modules/cross_validation.html",
      "url": "https://scikit-learn.org/stable/modules/cross_validation.html?highlight=cross_validate"
    },
    {
      "title": "arxiv.org/abs/2211.05244",
      "url": "https://arxiv.org/abs/2211.05244"
    }
  ],
  "license": "https://creativecommons.org/licenses/by/4.0/"
}