世界上大量的数据是以流式、时间序列的形式存在的，在关键情况下，异常值提供了重要的信息。然而，在流式数据中检测异常是一项艰巨的任务，需要检测器在实时处理数据的同时进行学习并做出预测。本文介绍了一种基于在线序列记忆算法——层次时间记忆（Hierarchical Temporal Memory, HTM）的新型异常检测技术。我们展示了该技术在一个实时应用中的结果，该应用能够实时检测金融指标中的异常值。此外，我们还在NAB（一个已发布的实时异常检测基准）上测试了该算法，结果显示我们的算法达到了同类最佳的性能。