이벤트 핸들러는 의료 보조 시스템, 화재 진압 시스템 등 다양한 분야에 응용될 수 있으며, 이러한 시스템들은 가능한 한 최소한의 정보를 바탕으로 정확한 응답을 제공하려는 노력을 기울입니다. 지원 벡터 데이터 설명(Support Vector Data Description, SVDD)은 정보 부족 상황을 처리할 수 있는 적절한 도구 중 하나로, 이러한 탐지 작업에 유용하게 활용될 수 있습니다. 그러나 기존의 SVDD 기술은 희소 데이터셋에서 데이터 특성의 약화 문제를 겪고 있으며, 조정 파라미터의 설정 방식도 비효율적이라는 한계를 가지고 있습니다. 이러한 문제들은 데이터 부족 상황에서 이벤트 핸들러의 정확도 저하를 초래합니다. 이를 해결하기 위해 본 연구에서는 퍼지-粗糙집합(Fuzzy Rough Set)에서 유도된 검증도(Validation Degree)를 활용하여 데이터 특성을 효과적으로 탐지하고, 혼돈 박쥐 알고리즘(Chaotic Bat Algorithm)을 통해 조정 파라미터에 적절한 값을 자동으로 부여하는 자동화된 지원 벡터 데이터 설명(ASVDD)을 제안합니다. ASVDD의 성능 평가를 위해 UCI 저장소의 다양한 데이터셋을 대상으로 실험을 수행하였으며, 실험 결과는 제안된 방법이 최신 기술들에 비해 분류 정확도와 AUC 측면에서 우수함을 입증하였습니다. 또한 제안된 방법과 최첨단 기술 간의 정확도 차이가 통계적으로 유의미한지를 확인하기 위해 윌콕슨 순서합 검정(Wilcoxon signed-rank test)을 수행하였습니다.