異常検出の用途は何ですか？

異常検出の目的は、複数のオブジェクトとは異なるオブジェクトを検出することです。多くの場合、異常なオブジェクトは、データの散布図上で複数のデータポイントから遠く離れているため、外れ値と呼ばれます。異常検出は、逸脱検出と呼ばれます。これは、異常オブジェクトの属性値が、期待値または一般的な属性値から本質的に逸脱しているため、または例外マイニングとして、異常がいくつかの意味で例外的であるためです。

異常検出には、次のようなさまざまな用途があります-

不正検出 −クレジットカードを持っている人の購入行動は、最初の所有者のそれとは異なります。クレジットカード会社は、盗難を特徴付けるデザインを購入するために表示するか、一般的な行動からの変化を認識することによって、盗難を特定しようとします。さまざまな種類の詐欺に同じ方法が使用されます。

侵入検知 −残念ながら、コンピュータシステムやコンピュータネットワークへの攻撃は一般的です。コンピュータやネットワークを無効にしたり、圧倒したりするように設計された攻撃を含むいくつかの攻撃は明らかですが、データを密かに収集するように設計された攻撃を含む他の攻撃は、特定が複雑です。これらの侵入の一部は、システムやネットワークの異常な動作を観察することで特定できます。

生態系の乱れ −共通の世界では、人間に本質的な影響を与える可能性のある一般的なイベントがあります。例には、ハリケーン、洪水、干ばつ、熱波、および火災が含まれます。目的は、これらのイベントの可能性とその原因を予測することです。

公衆衛生 −一部の国では、病院や診療所がさらに分析するためにいくつかの統計を国の組織に報告しています。たとえば、ある都市の一部の子供がはしかなどの特定の病気の予防接種を受けている場合、ある都市の複数の病院に散在するいくつかの症例の出現は、都市の予防接種プログラムに問題があることを示す可能性のある異常なイベントです。 。

薬 −特定の患者の場合、異常な症状または検査結果は潜在的な健康問題を示している可能性があります。ただし、特定の検査結果が異常であるかどうかは、年齢や性別など、患者の複数の特性に基づく可能性があります。さらに、結果を異常として分類するか、費用を取得しないか、患者が活動している場合は不要な追加の検査を行い、状態を診断および治療せずに放置すると患者に害を及ぼす可能性があります。

異常検出に対する現在の関心の一部は、異常をターゲットとするソフトウェアによって推進されてきましたが、歴史的に、異常検出は、一般的なデータオブジェクトの分析を強化するための手法と見なされてきました。

たとえば、関連して少数の外れ値は、値のグループの平均と標準偏差を変更したり、クラスタリングアルゴリズムによって作成されたクラスターのセットを変更したりする可能性があります。したがって、異常検出はデータ前処理の要素です。