تُبنى معظم الطرق القائمة على النماذج الحالية للكشف عن الشذوذ على بناء ملف لحالات الطبيعة، ثم تحديد الحالات التي لا تتماشى مع هذا الملف كشذوذ. ويقترح هذا البحث طريقة قائمة على النماذج مختلفة جذريًا، تُركّز على عزل الشذوذ بشكل صريح بدلًا من بناء ملف للنقاط الطبيعية. إلى حد معرفتنا، لم يُستكشف مفهوم العزل في الأدبيات الحالية. وتمكّن هذه الطريقة من الاستفادة من عملية أخذ العينات الجزئية إلى حدٍ لم تكن ممكنة في الطرق التقليدية، مما يُنتج خوارزمية ذات تعقيد زمني خطي مع ثابت منخفض ومتطلبات ذاكرة منخفضة. وتشير التقييمات التجريبية إلى أن خوارزمية iForest تتفوّق على ORCA، وهي طريقة قائمة على المسافة ذات تعقيد زمني شبه خطي، وكذلك على LOF وRandom Forests من حيث أداء AUC ووقت المعالجة، وبخاصة في المجموعات الكبيرة من البيانات. كما تعمل iForest بشكل جيد في المشكلات عالية الأبعاد التي تحتوي على عدد كبير من السمات غير ذات الصلة، وفي الحالات التي لا يحتوي فيها مجموعة التدريب على أي شذوذ.