你当前正在访问 Microsoft Azure Global Edition 技术文档网站。 如果需要访问由世纪互联运营的 Microsoft Azure 中国技术文档网站，请访问 https://docs.azure.cn。
什么是异常检测器？
重要
从 2023 年 9 月 20 日开始，将无法创建新的异常检测器资源。 异常检测器服务将于 2026 年 10 月 1 日停用。
注意
截至 2023 年 7 月，Azure AI 服务包含之前称为认知服务和 Azure 应用 AI 服务的所有内容。 定价不变。 Azure 计费、成本分析、价目表和价格 API 中将继续使用名称“认知服务”和“Azure 应用 AI”。 应用程序编程接口 (API) 或 SDK 没有中断性变更。
异常检测器是附带一组 API 的 AI 服务，你几乎不需要具备批量验证或实时推理方面的任何机器学习 (ML) 知识，就能使用它来监视和检测时序数据中的异常。
本文档包含以下类型的文章：
- 快速入门是分步说明，你可按照该说明调用服务，并迅速获得结果。
- 交互式演示能帮助你了解异常检测器如何通过简单的操作来运行。
- 操作指南包含以更具体的方式或自定义方式使用服务的说明。
- 教程是一份篇幅较长的指南，向你演示了如何在更广泛的业务解决方案中使用此服务作为组件。
- 代码示例演示如何使用异常检测器。
- 概念性文章对服务的功能和特性进行了深入说明。
异常检测器功能
借助异常检测器，可以使用单变量异常检测器检测一个变量中的异常，或者使用多变量异常检测器检测多个变量中的异常。
| 功能 | 说明 |
|---|---|
| 单变量异常情况检测 | 检测一个变量（例如收入、成本等）中的异常。模型是根据数据模式自动选择的。 |
| 多变量异常情况检测 | 检测存在关联的多个变量中的异常，这些变量通常是从设备或其他复杂系统中收集的。 使用的基础模型是图注意力网络。 |
单变量异常情况检测
借助单变量异常检测器 API，无需了解机器学习方面的知识，就能监视和检测时序数据中的异常。 其算法通过自动标识最佳适配模型并将其应用到数据来进行自适应，并且不限行业、场景或数据量。 使用时序数据，此 API 可以确定异常检测的边界、预期的值，以及哪些数据点异常。
使用异常检测器不需要以前在机器学习方面有任何经验，你可以使用 REST API 轻松地将服务集成到应用程序和进程中。
可以使用单变量异常检测器自动检测时序数据中的异常以及实时出现的异常。
| 功能 | 说明 |
|---|---|
| 流式处理检测 | 检测流式传输数据中的异常，方法是：使用以前见过的数据点来确定最近的数据点是否异常。 此操作使用发送的数据点生成一个模型，然后确定目标点是否异常。 每生成一个新数据点就调用该 API，这样就可以在创建数据时监视数据。 |
| 批量检测 | 使用时序来检测数据中可能存在的任何异常。 此操作使用整个时序数据生成一个模型，每个点使用同一模型进行分析。 |
| 更改点检测 | 使用时序来检测数据中存在的趋势更改点。 此操作使用整个时序数据生成一个模型，每个点使用同一模型进行分析。 |
多变量异常情况检测
利用多变量异常情况检测 API，开发人员能够轻松集成高级 AI，从而检测指标组中的异常，并且无需机器学习知识或带标记的数据。 现在，我们会将多达 300 个不同信号之间的依赖关系和相互关联自动视为关键因素。 这一新功能可帮助你主动防止复杂系统发生故障，例如，软件应用程序、服务器、工厂计算机、航天器，或者甚至是业务。
假设自动引擎中有 20 个传感器，可生成 20 个不同的信号，例如，旋转、燃料压力、轴承等。这些信号的单独读数可能无法全面反应系统级别的问题，但加以综合则可以反应引擎的运行状况。 当这些信号的交互作用偏离出正常范围时，多变量异常检测功能就可以像经验丰富的专家一样理解异常情况。 底层 AI 模型使用你的数据进行训练和自定义，从而了解业务的独特需求。 现在，利用异常检测器中的新 API，开发人员可以轻松地将多变量时序异常检测功能集成到预测性维护解决方案以及复杂的企业软件或商业智能工具的 AIOps 监视解决方案中。
加入“异常检测器”社区
欢迎加入 Microsoft Teams 的异常检测器顾问小组以获得更好的支持和任何更新！
算法
博客和论文：
视频：