แอปพลิเคชันของ Anomaly Detection (การตรวจจับความผิดปกติ)

แอปพลิเคชันของ Anomaly Detection

ใน anomaly detection วัตถุประสงค์คือค้นพบวัตถุที่แตกต่างจากวัตถุอื่นๆ เรียกว่า outliers เพราะอยู่ไกลจากจุดข้อมูลส่วนใหญ่บน scatter plot เรียกอีกอย่างว่า deviation detection เพราะค่าแอตทริบิวต์เบี่ยงเบนจากค่าที่คาดหวัง หรือ exception mining เพราะ anomalies เป็นสิ่งพิเศษ

แอปพลิเคชันหลัก

1. Fraud Detection (การตรวจจับการฉ้อโกง)

พฤติกรรมการซื้อของคนขโมยบัตรเครดิตแตกต่างจากเจ้าของจริง บริษัทบัตรเครดิตพยายามตรวจจับการขโมยโดยมองหา pattern การซื้อที่บ่งชี้การขโมย หรือตรวจจับการเปลี่ยนแปลงจากพฤติกรรมปกติ วิธีเดียวกันใช้กับ fraud ประเภทอื่นๆ

2. Intrusion Detection (การตรวจจับการบุกรุก)

การโจมตีระบบคอมพิวเตอร์และเครือข่ายเป็นเรื่องปกติ บางการโจมตี (disable/overwhelm) ชัดเจน แต่บางอย่าง (ขโมยข้อมูลลับ) ยากต่อการตรวจจับ บาง intrusion สามารถตรวจจับได้โดยการตรวจสอบระบบ/เครือข่ายหา abnormal behavior

3. Ecosystem Disturbances (ความผิดปกติของระบบนิเวศ)

ในโลกจริง มีเหตุการณ์ทั่วไปที่มีผลกระทบใหญ่ต่อมนุษย์ เช่น พายุไต้ฝุ่น น้ำท่วม แห้งแล้งคลื่นความร้อน ไฟไหม้ วัตถุประสงค์คือทำนายความน่าจะเป็นและสาเหตุของเหตุการณ์เหล่านี้

4. Public Health (สาธารณสุข)

ในบางประเทศ โรงพยาบาลและคลินิกรายงานสถิติให้องค์กรระดับชาติ ตัวอย่าง: หากเด็กในเมืองได้รับวัคซีนโรคหนึ่ง เช่น ไข้หมอกร้าย แล้วมีบางเคสกระจายอยู่โรงพยาบาลหลายแห่งในเมือง เป็น anomalous event ที่อาจบ่งชี้ปัญหาโปรแกรมวัคซีนในเมืองนั้น

5. Medicine (การแพทย์)

สำหรับผู้ป่วยรายบุคคล อาการผิดปกติหรือผลตรวจผิดปกติ อาจบ่งชี้ปัญหาสุขภาพ แต่อย่างไร ผลตรวจเป็น anomalous หรือไม่ ขึ้นอยู่กับลักษณะผู้ป่วย เช่น อายุและเพศ การจัดประเภทผลเป็น anomalous หรือไม่ มีต้นทุน: ตรวจเพิ่มไม่จำเป็นถ้าผู้ป่วยปกติ และอันตรายถ้าโรคไม่ถูกวินิจฉัยและรักษา

แม้ความสนใจปัจจุบันใน anomaly detection ขับเคลื่อนโดยซอฟต์แวร์ที่ anomalies เป็นเป้าหมาย แต่ในอดีต anomaly detection ถูกมองเป็นเทคนิคเพื่อปรับปรุงการวิเคราะห์ข้อมูลปกติ

ตัวอย่าง: outliers จำนวนน้อยสามารถเปลี่ยน mean และ standard deviation ของกลุ่มค่า หรือเปลี่ยนชุด clusters ที่ clustering algorithm สร้างได้ ดังนั้น anomaly detection เป็นส่วนหนึ่งของ data preprocessing