Anomaly Detection

Wat is anomaly detection?

Anomaly detection (anomaliedetectie) is een techniek waarmee AI afwijkingen opspoort: gegevens of gebeurtenissen die niet passen in het normale patroon. Een betaling van 40.000 euro op een rekening waar normaal honderden euro’s overheen gaan, een server die ineens ’s nachts druk verkeer heeft, een machine die net iets anders trilt dan anders.

Hoe werkt het?

Een model leert eerst uit historische data wat “normaal” is. Nieuwe gegevens worden daar continu mee vergeleken; alles wat te ver afwijkt, krijgt een vlag. Er zijn drie soorten afwijkingen: losse uitschieters (één extreme waarde), contextuele afwijkingen (een waarde die alleen op dat moment vreemd is, zoals piekverkeer om drie uur ’s nachts) en collectieve afwijkingen (een reeks gebeurtenissen die samen verdacht is). Lastig is de balans: te gevoelig afstellen levert veel vals alarm op, te ruim afstellen mist echte incidenten.

Wat heb je eraan als bedrijf?

Dit is een van de meest praktische AI-toepassingen voor het MKB. Banken en betaalproviders gebruiken het voor fraudedetectie, IT-afdelingen voor het signaleren van cyberaanvallen, fabrikanten voor kwaliteitscontrole en voorspellend onderhoud. Grote kans dat je er al van profiteert zonder het te weten: de fraudecheck op je zakelijke rekening draait erop.

Gerelateerde begrippen

Anomaly detection gebruikt vaak unsupervised learning, omdat afwijkingen zeldzaam zijn en zelden netjes gelabeld. Verwante technieken zijn clustering en pattern recognition; de uitkomst is bij uitstek actionable intelligence.