--- title: "非監督式異常偵測（Unsupervised Anomaly Detection）" slug: unsupervised-anomaly-detection language: zh-TW source: https://aiterms.tw/learning/what-is-unsupervised-anomaly-detection updated_at: 2026-07-04 tags: [機器學習, 異常偵測, 模型評估, source:arxiv] ipas_term: false type: deep-dive --- # 非監督式異常偵測 是什麼？ > 非監督式異常偵測技術無需標註資料，能自動學習數據的常態模式，有效辨識出偏離預期特徵的罕見異常事件。 ## 核心概念 非監督式異常偵測是機器學習與資料探勘領域中一項具有挑戰性且實用的技術分支。在傳統的機器學習任務中，模型通常依賴大量帶有明確標籤的資料進行訓練，這被稱為監督式學習。然而在真實世界中，異常事件往往非常罕見，例如系統遭到駭客入侵、金融交易發生盜刷，或是工廠機台發生未知故障。這些事件發生頻率較低，且樣貌多變，使得收集充足且具代表性的異常標籤變得相當困難。非監督式異常偵測正是為解決這個痛點而生。它基於一個核心假設：在任何給定的資料集中，正常樣本佔據了絕大多數，並且會呈現出某種一致的結構或分佈規律；相反地，異常樣本則是極少數，且其特徵表現會顯著偏離正常樣本所建立的群體模型。因此，非監督式方法的目標並非學習什麼是異常，而是致力於學習什麼是正常。透過捕捉資料的內在常態特徵，系統便能將任何無法融入此常態模式的新資料點標記為潛在的異常。這種不需要人工介入標註、能夠發掘未知異常類型的特性，使其在現代資料科學領域中扮演著重要的防護與預警角色。 ## 運作原理 非監督式異常偵測的運作機制主要仰賴演算法從無標籤的數據中提煉出特徵的機率分佈、距離關係或密度結構。常見的技術流派可以分為基於統計、基於距離、基於密度以及基於重建的深度學習方法等幾大類別。 在基於統計的方法中，演算法會假設資料服從某種特定的數學分佈，例如常態分佈或高斯混合模型。透過計算資料點在該分佈下出現的機率，機率特別低的點就會被判定為異常。這種方法在處理單維度或低維度資料時效率良好，但當面對複雜的高維度資料時，由於難以準確估計真實的聯合分佈，其效果往往會受到限制。 基於距離的方法（例如 K 最近鄰演算法的變體）則是計算每個資料點與其周圍鄰居的空間距離。如果一個資料點與其最近的幾個鄰居之間的距離都非常遙遠，它就會被視為一個孤立的離群點。這種方法直觀且易於理解，但在面對不同密度區域混合的資料集時，容易將低密度正常區域的點誤判為異常。 為了克服距離方法的限制，基於密度的方法被提出，其中具代表性的便是局部異常因子演算法。該演算法不僅考量資料點之間的絕對距離，更進一步比較了資料點與其周圍鄰居的局部密度差異。如果一個點的局部密度顯著低於其鄰居的局部密度，代表它位於資料群集的邊緣或是相對孤立，從而具有較高的異常分數。 隨著深度學習技術的發展，基於重建的非監督式方法逐漸受到重視，特別是在處理影像、音訊或複雜時間序列等高維度非結構化資料時展現出良好的適應力。這類方法通常使用自編碼器或生成對抗網路架構。以自編碼器為例，模型被訓練來將輸入資料壓縮成低維度的潛在特徵表示，然後再將其解壓縮重建回原始資料。由於訓練過程中絕大多數都是正常樣本，模型會變得擅長重建正常資料的特徵。當模型遇到異常樣本時，由於其特徵模式未曾出現在訓練過程中，模型在重建時會產生較大的誤差。透過測量重建誤差的大小，系統就能夠量化該樣本的異常程度。另一種常見的方法是孤立森林，它透過隨機選擇特徵和切割點來建立多棵決策樹，並觀察將一個資料點孤立在單獨葉節點所需的切割次數。由於異常點在特徵空間中通常比較疏離，它們需要較少的切割次數就能被孤立，藉此可以快速篩選出離群值。 ## 實際應用 非監督式異常偵測技術在現代社會的各個產業中都有著廣泛的應用，因為許多關鍵場景往往缺乏足夠的異常標籤資料來訓練傳統模型。 在資訊安全與網路防護領域，這項技術被應用於網路入侵偵測系統。企業內部的網路流量通常遵循著特定的行為模式，例如員工在上班時間存取資料庫、外部使用者瀏覽公司網站等。非監督式模型可以持續監控這些流量的特徵，包括封包大小、連線頻率、通訊埠使用情況等。當發生未知攻擊、惡意軟體活動或是內部員工的異常資料外洩行為時，這些活動的網路特徵會與平時建立的正常基線產生偏差，系統便能發出警報，甚至阻斷可疑連線，應對未知的資安威脅。 在金融科技行業，信用卡詐欺偵測是另一個重要的應用場景。詐騙集團的手法持續改變，單靠建立已知詐欺手法的黑名單或監督式模型難以防範新型態的犯罪。銀行可以利用非監督式異常偵測技術分析客戶的歷史交易行為，例如消費金額、刷卡時間、地點頻率以及商家類型。當系統偵測到一筆與持卡人過去消費習慣截然不同的交易，或者發現一組信用卡在短時間內於不同地點產生異常密集的授權請求時，即便這種詐騙模式從未在歷史記錄中出現過，系統也能夠透過偏離常態的程度來識別風險，並啟動進一步的驗證機制，減少財務損失。 在工業物聯網與智慧製造領域，預測性維護正逐漸受到重視。工廠中的精密設備與感測器會持續產生大量的震動、溫度、壓力等時序數據。透過建立基於這些感測數據的非監督式模型，系統可以掌握機台在健康狀態下的運轉特徵。一旦機台內部出現微小的零件磨損或潛在故障，其物理特徵會開始產生細微變化，導致感測數據偏離正常分佈。這種技術讓工廠管理員能夠在設備發生嚴重停機之前，及早發現異常徵兆並安排維修，降低非預期停工成本。 在醫療健康領域，這項技術也展現出應用價值。在醫學影像分析中，某些罕見疾病或微小病灶的影像特徵可能較少見，難以收集大量樣本進行監督式學習。非監督式模型可以透過學習大量健康器官的正常影像特徵，來協助放射科醫師標記出影像中不符合正常生理結構的區域，作為輔助診斷的參考。在個人健康穿戴裝置方面，系統也可以透過分析使用者的長期心率、睡眠模式與活動數據，偵測出偏離個人常態的生理指標變化，提醒使用者注意潛在的健康風險。 ## 常見誤區 儘管非監督式異常偵測具有不需標註資料的優勢，但在實務應用上仍有許多容易被忽略的誤區與挑戰。 首先，常見的誤區是認為演算法找出的異常點必定是有業務價值的問題點。非監督式演算法所定義的異常，純粹是基於資料在數學特徵空間上的稀有性或離群程度。然而，在真實業務場景中，許多統計上的離群值可能只是資料收集過程中的雜訊、感測器短暫的誤差，或是某種罕見但合法的正常行為。例如在電商平台上，某位平時很少購物的顧客突然在特定節日購買了大量高價商品，這在數據分佈上是異常的，但就業務邏輯而言卻是合理的消費行為。如果系統將所有統計異常都直接視為業務異常並發出警報，將會導致較高的誤報率，最終使操作人員產生警報疲勞。因此，非監督式模型的輸出通常需要結合領域知識和業務規則進行過濾與後處理。 另一個重要的誤區是忽視特徵工程與資料清理的關鍵性。部分使用者認為神經網路模型具有自動特徵萃取能力，因此可以將原始的未處理數據直接提供給模型。事實上，非監督式方法對資料的品質相當敏感。如果訓練資料中混入了過多的異常樣本，模型可能會將這些異常特徵也學習進去，導致正常基線的邊界變得模糊，也就是所謂的資料污染問題。這會降低模型在未來偵測真正異常時的靈敏度。此外，如果選擇的特徵無法有效區分正常與異常狀態，演算法也無法發揮預期作用。因此，在使用非監督式方法之前，必須投入精力進行資料清洗、特徵縮放與選擇，確保提供給模型的是高品質的資訊。 評估非監督式模型的效能本身也是一個挑戰。由於缺乏標準的真實標籤，我們無法像監督式學習那樣直接計算準確率或召回率。許多專案在沒有定義清晰評估指標的情況下將模型推向生產環境，導致無法客觀衡量模型的實際效益。實務上，通常需要透過人工抽樣審查模型找出的異常案例，或是藉由後續業務指標的變化來間接評估模型效果。 ## 與相關技術的比較 非監督式異常偵測經常與監督式異常偵測及半監督式異常偵測這兩種相關技術進行比較，它們在資料需求與應用場景上有著根本的差異。 監督式異常偵測將異常偵測視為一個標準的二元分類問題。在這種設定下，訓練資料中同時包含大量標註為正常與異常的樣本。這類方法可以使用決策樹、支持向量機或深度神經網路等分類演算法來學習區分兩者的明確邊界。這種方法的優點在於，當測試資料中出現與訓練集中相似的已知異常類型時，其偵測的精確度較高，誤報率通常低於非監督式方法。然而，它的缺點是高度依賴高品質的標籤資料，而收集異常標籤往往成本較高且費時。更重要的是，監督式模型通常只能識別出訓練過程中見過的異常模式，面對全新的、未知的異常類型時，其泛化能力往往受到限制。 相對而言，非監督式異常偵測不依賴標籤資料，它僅透過分析無標籤資料集的內在結構來尋找離群點。這種特性使其具備了發現未知異常的潛力，並且省去人工標註成本，適合應用在變動較快且新形態異常持續出現的環境中。然而，代價是其對異常的定義僅停留在特徵空間的統計層面，缺乏業務語意，容易產生較多的誤報，並且容易受到訓練集中潛在異常樣本的干擾。 半監督式異常偵測則試圖在兩者之間取得平衡。這種方法在訓練階段只使用被確認為正常的資料樣本。演算法會圍繞著這些正常資料建立一個決策邊界。在測試階段，任何落在這個邊界之外的資料點都會被判定為異常。半監督式方法相較於完全非監督式方法，其建立的正常基線更為準確，因為它排除了未知異常樣本在訓練時造成的干擾。它比監督式方法更容易準備訓練資料，因為收集正常樣本通常相對容易。這種方法特別適用於可以明確定義且大量獲取正常行為，但難以窮舉所有異常情況的場景。非監督式方法在缺乏先驗知識時探索未知較具優勢，監督式方法在針對已知問題精確識別時效果良好，而半監督式方法則是當擁有純淨正常樣本時建立防護機制的合適選擇。 ## 常見問題 ### 為什麼不直接用監督式學習來做異常偵測就好？ 雖然監督式學習處理分類問題的準確率通常較高，但在異常偵測場景中常面臨嚴重的資料不平衡問題。正常資料量往往非常龐大，而詐欺或故障等異常事件則相當罕見，導致難以收集足夠樣本訓練模型。更關鍵的是，未來的異常常以未曾見過的新形態出現，監督式模型通常只能識別曾看過的異常類型，對未知威脅防禦力受限。非監督式方法因只學習正常資料特徵，不需依賴異常標籤，在發掘未知新型異常上具備更好的適應性。 ### 非監督式異常偵測的誤報率通常較高，該如何解決這個問題？ 非監督式模型依賴資料在特徵空間的統計離散程度來判斷異常，缺乏對真實業務場景的語意理解。這意味著統計上的離群點，在業務邏輯上可能只是罕見但合法的操作。為解決較高的誤報率，實務上必須結合領域專家知識建立過濾規則進行後處理。此外，嚴謹的特徵工程也相當重要，透過移除無關的雜訊特徵並對資料進行正規化，能幫助模型更精準地描繪正常行為的邊界，從而降低將正常資料擾動誤判為異常的機率。 ### 深度學習的非監督式方法是否總是比傳統統計方法更好？ 並非如此，演算法的選擇必須考量資料特性與應用場景。深度學習方法（如自編碼器）在處理影像、音訊或複雜時間序列等高維度且特徵複雜的資料時，確實具備良好的特徵萃取能力。然而，當處理結構化的表格數據或低維度特徵時，傳統統計方法或基於距離、密度的方法（如孤立森林、局部異常因子）往往能以更少的運算資源和更快的訓練速度，達到相當甚至更符合預期的效果，並且通常具備較高的模型可解釋性。 --- 深度解說頁：https://aiterms.tw/learning/what-is-unsupervised-anomaly-detection 快查頁：https://aiterms.tw/terms/unsupervised-anomaly-detection 最後更新：2026/07/04