アノマリ検知とは、膨大なデータの中から通常とは異なる特異なパターンや振る舞いを自動で識別する技術です。発生頻度が極めて低い機器の故障予兆やクレジットカードの不正利用など、滅多に現れない異常を捉えるために機械学習を中心に幅広く活用されています。
アノマリ検知とは
アノマリ検知とは、通常のデータパターンから大きく乖離した特異なデータである外れ値を自動的に識別・検出する技術です。
詳しく解説
データセットの大半を占める正常な状態を学習し、そこから逸脱した振る舞いを異常として判定します。一般的な教師あり学習では正常と異常の双方のラベル付きデータが大量に必要ですが、異常データは発生頻度が低く収集が難しいため、正常データのみを基準として逸脱度を測る教師なし学習の手法が多く用いられます。代表的なアルゴリズムには統計的手法のほか、ワンクラスSVMやディープラーニングを活用したオートエンコーダーなどがあり、IoTセンサー監視や外観検査などで重要な役割を担っています。
具体例・使われ方
クレジットカードの決済履歴から普段と異なる利用パターンを検知する不正利用防止システム、工場の振動センサーデータから設備の故障前兆を捉える予知保全、ネットワークトラフィックの急変からサイバー攻撃を検出するセキュリティ監視などに導入されています。
似た用語との違い
一般的な分類タスクとの違いは、データの不均衡性にあります。分類タスクは各クラスのデータが十分にある状態を前提としますが、アノマリ検知は正常データが圧倒的多数を占め、異常データが極端に少ない場合や、事前に定義できない未知の異常を捉えたい場合に適しています。
注意点
季節変動や運用変更などにより正常パターンの基準自体が変化すると、正常なデータを異常と見なす誤検知（偽陽性）が増えるリスクがあります。また、異常と判断するための閾値設定には業務知識が必要であり、定期的なモデルの見直しやチューニングが欠かせません。