Détection D'anomalies

La détection d’anomalies est l’identification d’éléments, d’événements ou d’observations qui ne correspondent pas au modèle attendu ou à d’autres éléments de l’ensemble de données. En règle générale, les anomalies se révèlent être des fraudes bancaires, des défauts structurels, des problèmes médicaux, des erreurs de texte, etc.

Application de la technologie de détection des anomalies

Les techniques de détection d'anomalies sont appliquées dans divers domaines tels que la détection d'intrusion, la détection de fraude, la détection de pannes, la surveillance de l'état du système, la détection d'événements de réseau de capteurs et la détection de perturbations de l'écosystème. Il est souvent utilisé pour supprimer les valeurs aberrantes d’un ensemble de données lors du prétraitement, ce qui peut améliorer considérablement la précision de l’apprentissage supervisé.

Classification des méthodes de détection des anomalies

Les méthodes de détection d’anomalies non supervisées peuvent détecter des anomalies dans des données de test non étiquetées en trouvant les instances qui correspondent le moins à d’autres données.

Les méthodes de détection d’anomalies supervisées nécessitent un ensemble de données étiqueté comme « normal » et « anormal » et impliquent la formation d’un classificateur.

Les méthodes de détection d'anomalies semi-supervisées créent un modèle qui représente un comportement normal basé sur un ensemble de données d'entraînement normal donné, puis détectent la probabilité d'instances de test générées par le modèle appris.

• Techniques basées sur des modèles : de nombreuses techniques de détection d’anomalies créent d’abord un modèle de données, et les anomalies sont des objets qui ne correspondent pas parfaitement au modèle.
• Techniques basées sur la proximité : Souvent, une mesure de proximité peut être définie entre les objets, les objets aberrants étant ceux qui sont éloignés de la plupart des autres objets.
• Techniques basées sur la densité : les estimations de densité des objets peuvent être calculées de manière relativement directe, en particulier lorsqu'il existe une mesure de proximité entre les objets.

Scénario d'application

• Détection de fraude : détection de la sécurité des cartes
• Détection d'intrusion : Détection des intrusions dans les systèmes informatiques
• Domaine médical : Tester la santé humaine