博客

機器學習監測哪幾類異常？實際生活中如何應用

2022-05-10來源：CSDN圣普倫官方號

機器學習最廣泛的應用之一是異常監測，尋找和識別異常有助于防止欺詐、對手攻擊和網絡入侵，保證網絡安全。

今天圣普倫將和大家聊聊，機器學習是如何監測異常的。

?

?

?什么是異常？

不符合正常狀態的情況，或者偏離常規標準過遠的數值。比如說，數據突然狂飆或者瘋狂下跌；錯誤報警、溫度突然升高，出現很大的噪音，或者無限循環；

導致異常的原因可能是數據預處理錯誤，也有可能是病毒攻擊、人為進行遠程欺詐、入侵等等。

遇到異常，你的第一反應是想把問題揪出來，然后胖揍它一頓。最常見的是資金方面，假如你在同一天內，你的賬戶連續被扣款，這是不符合常規的，因為你平時不會在一天內多次消費巨款。這時，機器學習監測到行為異常后，它會

判斷為“欺詐”，并阻止扣款，從而保證你的財產安全。

?

?

?異常的類型

機器學習工程師通常會遇到哪些異?；虍惓＃?br />
1、全球異常值

當一個數據點與數據集內的其他數據值有很大偏差的時候，全球異常值就出現了。換句話說，這個異常千載難逢。

比如，你的銀行賬戶每個月收入1萬元，連續很多年都在一定的范圍內保持穩定。但是，突然有一天，你的賬戶進賬1億，機器學習判斷為“全球異常”

2、上下文異常值

上下文異常，說的是機器學習將會通過上下文（比如環境、最近發生的事件）綜合分析數據異常。比如，一家餐廳在節假日的時候，流量翻幾倍是正常的，但是如果在一個平平無奇，什么事都沒有發生的一天，后臺營收數據暴漲幾

倍，那應該就是出現了上下文異常。

?

?

3、集體離群值異常

當不是一個，而是多個數據偏離正常標準值過遠時，我們稱為集體離群值異常。比如，一家公司破產，是正常的，但是同一段時間內，大量企業破產，那就是不正常的。

為什么需要機器學習來進行異常檢測？

企業每天都產生大量的數據，用戶點擊數據、交易數據、對話數據、跳出數據等等，而人力是有限的，我們難以從浩如煙海的數據里提取出最有價值的數據，但機器學習可以。

另一個問題是數據經常是非結構化的，亂糟糟一堆，比如商業文件、電子郵件和圖像等內容，面對它們，如何收集、整理、分析，任何一個人都表示頭大，更不用說通過數據發現異常了，這個工作就可以交給機器學習去做，通過算

法，它的效率是人類的N倍。

?

?

異常檢測的實際應用

1、入侵檢測

網絡入侵，比如非法盜取客戶信息，獲取敏感文件信息，機器學習可以時刻進行檢測，獲取潛在的惡意流量報告。如果檢測到可疑活動，IDS 軟件會向團隊發出警報。比較典型的應用是思科系統和MсАfee 軟件。

2、欺詐檢測

機器學習欺詐檢測有助于阻止金融詐騙。銀行、信用合作社和保險公司都使用欺詐檢測軟件。比如，銀行在決定是否劃掉你賬戶中的資金前，它會先回顧一遍你的貸款應用程序，當檢測到支付文件具備欺詐性（對方賬戶異常、在境

外、有風險），它將會提醒客戶賬戶存在風險，謹慎支付。

?

?

?3、健康監測

機器學習在醫療領域發揮了重要作用，尤其是在疾病檢測診斷行業，機器學習使用數以萬計的例子來進行訓練和學習，她們的診斷報告有時候比擁有20年行醫經驗的醫生還準確。

4、缺陷檢測

這個通常應用在制造領域，比如汽車制造、飛機制造等。這些設備，如果出現1個零件錯誤，不僅僅會造成經濟損失，還有可能會釀成事故。機器學習則可以用于檢測各個細節是否存在缺陷，如發動機溫度是否過高、燃油量是否充足。

?

?

?今天就精通異常檢測！

總的來說，機器學習是檢測異常必不可少的一項技術，從入侵檢測到欺詐檢測再到醫學診斷、缺陷檢測，機器學習都可以自動檢測和改進異常檢測，將潛在的風險事故扼殺在搖籃里。

如果你計劃在機器學習領域深耕，可以參加simplilearn圣普倫的機器學習訓練營，課程包括58小時的應用學習、互動實驗室、4個實踐項目和指導，通過圣普倫機器學習認證培訓，你將會掌握機器學習認證考試所需的機器學習知識，比

如數據預處理、異常監測、監督學習和無監督學習、時間序列建模、回歸以及文本挖掘等。