Anomaly Detector API란?What is the Anomaly Detector API?

중요

이제 TLS 1.2는 이 서비스에 대한 모든 HTTP 요청에 적용됩니다.TLS 1.2 is now enforced for all HTTP requests to this service. 자세한 내용은 Azure Cognitive Services 보안을 참조하세요.For more information, see Azure Cognitive Services security.

Anomaly Detector API를 사용하면 기계 학습을 통해 시계열 데이터에서 변칙을 검색하고 모니터링할 수 있습니다.The Anomaly Detector API enables you to monitor and detect abnormalities in your time series data with machine learning. Anomaly Detector API는 업계, 시나리오 또는 데이터 볼륨에 관계없이 가장 적합한 모델을 자동으로 식별하여 데이터에 적용하여 조정됩니다.The Anomaly Detector API adapts by automatically identifying and applying the best-fitting models to your data, regardless of industry, scenario, or data volume. 이 API는 시계열 데이터를 사용하여 변칙 검색, 예상 값 및 어떤 데이터 요소가 변칙인지에 대한 경계를 결정합니다.Using your time series data, the API determines boundaries for anomaly detection, expected values, and which data points are anomalies.

서비스 요청의 패턴 변경 내용 검색

Anomaly Detector 사용에는 기계 학습에 대한 사전 지식이 필요하지 않으며 RESTful API를 통해 애플리케이션과 프로세스에 서비스를 쉽게 통합할 수 있습니다.Using the Anomaly Detector doesn't require any prior experience in machine learning, and the RESTful API enables you to easily integrate the service into your applications and processes.

기능Features

Anomaly Detector를 사용하면 시계열 데이터 전체에서 또는 실시간으로 발생하는 변칙을 자동으로 검색할 수 있습니다.With the Anomaly Detector, you can automatically detect anomalies throughout your time series data, or as they occur in real-time.

기능Feature DescriptionDescription
실시간으로 발생하는 변칙을 검색합니다.Detect anomalies as they occur in real-time. 이전에 본 데이터 요소를 사용하여 최신 데이터가 변칙인지 확인하여 스트리밍 데이터에서 변칙을 검색합니다.Detect anomalies in your streaming data by using previously seen data points to determine if your latest one is an anomaly. 이 작업은 보내는 데이터 요소를 사용하여 모델을 생성하고 대상 포인트가 변칙인지 여부를 결정합니다.This operation generates a model using the data points you send, and determines if the target point is an anomaly. 생성하는 각각의 새 데이터 요소를 사용하여 API를 호출하면 데이터가 생성될 때 모니터링할 수 있습니다.By calling the API with each new data point you generate, you can monitor your data as it's created.
일괄 처리로 데이터 세트 전체의 변칙을 검색합니다.Detect anomalies throughout your data set as a batch. 시계열을 사용하여 데이터 전체에 존재할 수 있는 변칙을 검색합니다.Use your time series to detect any anomalies that might exist throughout your data. 이 작업은 전체 시계열 데이터를 사용하여 모델을 생성하고, 각 포인트는 동일한 모델로 분석됩니다.This operation generates a model using your entire time series data, with each point analyzed with the same model.
데이터에 대한 추가 정보를 가져옵니다.Get additional information about your data. 데이터 및 관찰된 변칙에 대한 유용한 정보를 가져오며, 여기에는 예상되는 값, 변칙 경계 및 위치 등이 포함됩니다.Get useful details about your data and any observed anomalies, including expected values, anomaly boundaries and positions.
변칙 검색 경계를 조정합니다.Adjust anomaly detection boundaries. Anomaly Detector API는 변칙 검색에 대한 경계를 자동으로 만듭니다.The Anomaly Detector API automatically creates boundaries for anomaly detection. 이러한 경계를 조정하여 데이터에 잘 맞도록 데이터 변칙에 대한 API의 민감도를 높이거나 낮춥니다.Adjust these boundaries to increase or decrease the API's sensitivity to data anomalies, and better fit your data.

데모Demo

대화형 데모를 확인하여 Anomaly Detector가 작동하는 방식을 이해합니다.Check out this interactive demo to understand how Anomaly Detector works. 데모를 실행하려면 Anomaly Detector 리소스를 만들고 API 키와 엔드포인트를 가져와야 합니다.To run the demo, you need to create an Anomaly Detector resource and get the API key and endpoint.

NotebookNotebook

Anomaly Detector API를 호출하는 방법을 알아보려면 이 Azure Notebook을 사용해 보세요.To learn how to call the Anomaly Detector API, try this Azure Notebook. 이 웹 호스팅 Jupyter Notebook은 API 요청을 보내고 결과를 시각화하는 방법을 보여 줍니다.This web-hosted Jupyter Notebook shows you how to send an API request and visualize the result.

Notebook을 실행하려면 다음 단계를 완료하세요.To run the Notebook, complete the following steps:

  1. 유효한 Anomaly Detector API 구독 키와 API 엔드포인트를 가져옵니다.Get a valid Anomaly Detector API subscription key and an API endpoint. 아래 섹션에는 가입에 대한 지침이 나와 있습니다.The section below has instructions for signing up.
  2. 로그인하고 오른쪽 위 모서리의 복제를 클릭합니다.Sign in, and click Clone, in the upper right corner.
  3. 복제 작업을 완료하기 전에 대화 상자에서 "공용" 옵션의 선택을 취소합니다. 그렇지 않으면 구독 키를 포함하여 노트북이 공개됩니다.Un-check the "public" option in the dialog box before completing the clone operation, otherwise your notebook, including any subscription keys, will be public.
  4. Run on free compute(무료 컴퓨팅에서 실행)을 클릭합니다.Click Run on free compute
  5. Notebook 중 하나를 선택합니다.Select one of the notebooks.
  6. 유효한 Anomaly Detector API 구독 키를 subscription_key 변수에 추가합니다.Add your valid Anomaly Detector API subscription key to the subscription_key variable.
  7. endpoint 변수를 엔드포인트로 변경합니다.Change the endpoint variable to your endpoint. 예: https://westus2.api.cognitive.microsoft.com/anomalydetector/v1.0/timeseries/last/detectFor example: https://westus2.api.cognitive.microsoft.com/anomalydetector/v1.0/timeseries/last/detect
  8. 상단 메뉴 모음에서 모두 실행을 차례로 클릭합니다.On the top menu bar, click Cell, then Run All.

워크플로Workflow

Anomaly Detector API는 RESTful 웹 서비스이며, HTTP 요청을 수행하고 JSON을 구문 분석할 수 있는 프로그래밍 언어에서 쉽게 호출할 수 있습니다.The Anomaly Detector API is a RESTful web service, making it easy to call from any programming language that can make HTTP requests and parse JSON.

참고

Anomaly Detector API 사용 시 최상의 결과를 얻으려면 JSON 형식 시계열 데이터에 다음이 포함되어야 합니다.For best results when using the Anomaly Detector API, your JSON-formatted time series data should include:

  • 예상되는 누락된 요소 수가 10% 이하이고 동일한 간격으로 구분된 데이터 요소data points separated by the same interval, with no more than 10% of the expected number of points missing.
  • 데이터에 명확한 계절성 패턴이 없는 경우 최소 12개 이상의 데이터 요소at least 12 data points if your data doesn't have a clear seasonal pattern.
  • 데이터에 명확한 계절성 패턴이 없는 경우 최소 4개 이상의 패턴 발생at least 4 pattern occurrences if your data does have a clear seasonal pattern.

Anomaly Detector API에 대한 액세스 권한이 있는 Cognitive Services API 계정이 있어야 합니다.You must have a Cognitive Services API account with access to the Anomaly Detector API. 구독 키는 계정을 만든 후 Azure Portal에서 구할 수 있습니다.You can get your subscription key from the Azure portal after creating your account.

가입 후:After signing up:

  1. 시계열 데이터를 가져와서 유효한 JSON 형식으로 변환합니다.Take your time series data and convert it into a valid JSON format. 데이터 준비 시 모범 사례를 사용하면 최상의 결과를 얻을 수 있습니다.Use best practices when preparing your data to get the best results.
  2. 자신의 데이터로 Anomaly Detector API에 요청을 보냅니다.Send a request to the Anomaly Detector API with your data.
  3. 반환된 JSON 메시지를 구문 분석하여 API 응답을 처리합니다.Process the API response by parsing the returned JSON message.

알고리즘Algorithms

Microsoft에서 개발한 SR-CNN 알고리즘에 대해 자세히 알아보려면 Microsoft의 시계열 Anomaly Detection Service(KDD 2019에서 수락)를 참조하세요.You can read the paper Time-Series Anomaly Detection Service at Microsoft (accepted by KDD 2019) to learn more about the SR-CNN algorithms developed by Microsoft.

Anomaly Detector 커뮤니티 참여Join the Anomaly Detector community

다음 단계Next steps