異常検知（いじょうけんち）

最終更新：2026/4/25

異常検知は、データやシステムにおける正常な状態から逸脱する事象やパターンを自動的に識別する技術である。

別名・同義語外れ値検出異常値検出

ポイント

統計学的手法や機械学習アルゴリズムを用いて、予期せぬ事態を早期に発見し、対応を可能にする。

異常検知の概要

異常検知は、製造業、金融、セキュリティ、医療など、幅広い分野で活用される技術です。その目的は、正常なデータパターンから外れる異常なデータを検出し、潜在的な問題やリスクを早期に発見することにあります。

異常検知には、様々な手法が存在します。代表的なものとして、以下のものが挙げられます。

統計的手法: データの分布を分析し、平均値や標準偏差から大きく外れる値を異常値として検出します。例えば、三標準偏差則などが用いられます。
機械学習: 正常なデータの学習を行い、学習結果から逸脱するデータを異常値として検出します。教師あり学習、教師なし学習、半教師あり学習など、様々なアプローチがあります。
- 教師なし学習: 正常データのみを用いてモデルを学習し、正常データからの乖離を異常として検出します。One-Class SVM、Isolation Forestなどが代表的です。
- 教師あり学習: 正常データと異常データの両方を用いてモデルを学習し、異常データを識別します。ただし、異常データの収集が困難な場合が多いです。
ルールベース: 事前に定義されたルールに基づいて異常を検出します。専門家の知識や経験に基づいてルールを作成する必要があります。