يُعد الكشف غير المراقب عن الشذوذ موضوعًا يُدرَس على نطاق واسع في التطبيقات الصناعية نظرًا لصعوبة الحصول على بيانات شاذة. وبشكل خاص، يمكن أن يكون الكشف عن الشذوذ القائم على إعادة البناء حلاً عمليًا إذا لم تكن هناك إمكانية لاستخدام معرفة خارجية، مثل مجموعات بيانات إضافية أو نماذج مُدرَّبة مسبقًا. ومع ذلك، تُعد الأساليب القائمة على إعادة البناء محدودة الفائدة بسبب أداء كاشف الشذوذ الضعيف. في الآونة الأخيرة، أظهر نموذج مبني على الدرجة (score-based model)، المعروف أيضًا باسم نموذج التشتت المُزيل للضوضاء (denoising diffusion model)، جودة عالية في مهام التوليد. في هذه الورقة، نقترح طريقة جديدة للكشف غير المراقب عن الشذوذ تستفيد من نموذج الدرجة. وتُعد هذه الطريقة واعدة بأداء متميز دون الحاجة إلى معرفة خارجية. فبالنسبة إلى الدرجة، وهي مشتقة لوظيفة الاحتمال الطبيعي، تمتلك خاصية مناسبة للكشف عن الشذوذ. إذ يمكن استعادة العينات الواقعة على المانيفولد البياناتي فورًا باستخدام الدرجة، حتى عند تضليلها عشوائيًا. ونسمي هذه الخاصية "مقاومة التضليل القائمة على الدرجة" (score-based perturbation resilience). أما العينات التي تبتعد عن المانيفولد، فلا يمكن استعادتها بنفس الطريقة. ويمكن أن تكون التغيرات في هذه المقاومة حسب موقع العينة مؤشرًا لتمييز الشذوذ. ونستمد هذا الاستنتاج من منظور هندسي. وتُظهر طريقتنا أداءً متفوقًا على ثلاث مجموعات بيانات معيارية للكشف عن الشذوذ الصناعي. وبشكل خاص، في مجموعة بيانات MVTec AD، نحقق مقياس AUROC على مستوى الصورة بـ 97.7%، ومستوى البكسل بـ 97.4%، ما يفوق الأداء السابق للأساليب التي لا تعتمد على معرفة خارجية.