異常値検知とは、大量のデータの中から他と大きく異なるパターンや通常とは異なるデータ（外れ値）を自動的に検出する技術です。機械学習を活用することで、人間の目では見落としがちな微小な変化や複雑な異常パターンを検知できます。システムの不正利用対策、工場の設備故障の予兆検知、医療画像診断など幅広い分野で利用されています。
異常値検知とは
異常値検知とは、正常なデータのパターンを学習し、そこから大きく逸脱した不審なデータや異常な挙動を自動で見つけ出す技術のことです。
詳しく解説
異常値検知の基本は、膨大なデータから正常とはどのような状態かを定義・学習することにあります。従来のルールベースの手法では、人間があらかじめ閾値を設定する必要がありましたが、機械学習やディープラーニングを応用することで、高次元かつ複雑なデータからも自動的に正常パターンを獲得できるようになりました。異常データ自体が非常に稀であるため、正常データのみを用いて学習を行う教師なし学習の手法がよく用いられます。早期に異常を発見できるため、重大な障害や損失を防ぐ上で極めて重要です。
具体例・使われ方
クレジットカードの不正利用検知やサイバー攻撃の検知、製造工場における製品の不具合検知や設備の故障予兆検知、医療現場での画像データからの病変検出など、多岐にわたる現場で活用されています。
似た用語との違い
異常値検知は正常データからのズレを見つける技術ですが、クラス分類はあらかじめ定義された複数のカテゴリへデータを分類する技術です。また、一般的にデータの極端な離脱値を指す外れ値の検出も異常値検知に含まれますが、外れ値が必ずしも不正や故障などの悪意ある異常を意味するとは限らない点が異なります。
注意点
異常値検知では、正常データの定義が時間経過で変化する場合、正常なデータを誤って異常と判定する誤検知が増える可能性があります。また、稀にしか発生しない異常データを事前に評価・検証することが困難であるため、モデルの精度管理や評価指標の設定には注意が必要です。