何謂異常偵測器？
重要
從 2023 年 9 月 20 日起，您將無法建立新的異常偵測程式資源。 異常偵測程式服務將于 2026 年 10 月 1 日淘汰。
注意
自 2023 年 7 月起，Azure AI 服務包含先前稱為認知服務和 Azure 應用 AI 服務的所有項目。 價格沒有變更。 認知服務和 Azure 應用 AI 的名稱會繼續用於 Azure 計費、成本分析、價目表和價格 API。 應用程式開發介面 (API) 或 SDK 沒有任何中斷性變更。
異常偵測程式是一種具有一組 API 的 AI 服務，可讓您使用少量機器學習（ML） 知識來監視和偵測時間序列資料中的異常狀況，無論是批次驗證還是即時推斷。
本檔包含下列類型的文章：
- 快速入門 是逐步指示，可讓您呼叫服務，並在短時間內取得結果。
- 互動式示範 可協助您瞭解異常偵測程式如何搭配簡單的作業運作。
- 操作說明指南 包含以更具體或自訂方式使用服務的指示。
- 教學課程 是較長的指南，說明如何在更廣泛的商務解決方案中使用這項服務作為元件。
- 程式碼範例 示範如何使用 異常偵測程式。
- 概念性文章 提供服務的功能和功能的深入說明。
異常偵測程式功能
使用 異常偵測程式，您可以使用 Univariate 異常偵測程式 偵測一個變數中的異常，或使用 Multivariate 異常偵測程式 偵測多個變數中的異常。
| 功能 | 描述 |
|---|---|
| 單變量異常偵測 | 偵測一個變數中的異常狀況，例如營收、成本等。模型已根據您的資料模式自動選取。 |
| 多變量異常偵測 | 使用相互關聯來偵測多個變數中的異常，這些變數通常會從設備或其他複雜系統收集。 使用的基礎模型是圖形注意力網路。 |
單變量異常偵測
單變數異常偵測器 API 可讓您監視和偵測時間序列資料中的異常，而無需具備機器學習的知識。 不論產業、案例或資料量為何，演算法都會自動識別並套用最適合您資料的資料。 使用時間序列資料，API 會決定異常偵測、預期值，以及哪些資料點為異常的界限。
使用異常偵測程式不需要任何先前的機器學習體驗，而 REST API 可讓您輕鬆地將服務整合到應用程式和進程。
使用 Univariate 異常偵測程式，您可以自動偵測整個時間序列資料的異常，或即時發生異常。
| 功能 | 描述 |
|---|---|
| 串流偵測 | 使用先前看到的資料點來偵測串流資料中的異常狀況，以判斷最新的資料點是否為異常。 此作業會使用您傳送的資料點來產生模型，並判斷目標點是否為異常。 藉由使用您產生的每個新資料點呼叫 API，您就可以在建立資料時監視資料。 |
| 批次偵測 | 使用時間序列來偵測您的資料中可能存在的任何異常狀況。 此作業會使用整個時間序列資料產生模型，每個點都會使用相同的模型進行分析。 |
| 變更點偵測 | 使用時間序列來偵測資料中存在的任何趨勢變更點。 此作業會使用整個時間序列資料產生模型，每個點都會使用相同的模型進行分析。 |
多變量異常偵測
多重變數異常偵測 API 可 藉由輕鬆地整合進階 AI 來偵測計量群組的異常，而不需要機器學習知識或標記資料，即可讓開發人員進一步啟用。 最多 300 個不同訊號之間的相依性和相互關聯性現在會自動計入為關鍵因素。 這項新功能可協助您主動保護複雜的系統，例如軟體應用程式、伺服器、工廠機器、航太器，甚至是您的企業，避免失敗。
想像一下，來自汽車發動機的 20 個感應器會產生 20 個不同的信號，例如旋轉、燃油壓力、軸承等。這些訊號個別的讀數可能不會告訴您系統層級問題，但一起可以代表引擎的健康情況。 當這些訊號的互動偏離一般範圍時，多變數異常偵測功能可以像經驗豐富的專家一樣感知異常。 基礎 AI 模型會使用您的資料來定型和自訂，讓其瞭解您企業的獨特需求。 透過異常偵測程式中的新 API，開發人員現在可以輕鬆地將多變數時間序列異常偵測功能整合到預測性維護解決方案、適用于複雜企業軟體的 AIOps 監視解決方案或商業智慧工具。
加入異常偵測程式社群
加入 Microsoft Teams 上的 異常偵測程式 Advisors 群組，以取得更好的支援和任何更新！
演算法
部落格和檔：
- 介紹 Azure AI Anomaly Detector API
- Azure AI Anomaly Detector 中的 SR-CNN 演算法概觀
- 多變數異常偵測簡介
- 透過圖形注意網路進行多變數時間序列異常偵測
- Microsoft 的時間序列異常偵測服務（KDD 2019 接受）
影片：