يعد اكتشاف الحالات الشاذة أحد أنواع تقنيات أمان الكمبيوتر المستخدمة لاكتشاف وتحديد البيانات أو الأنشطة المشبوهة التي يحتمل أن تكون مرتبطة بالتهديدات الأمنية أو الهجمات الضارة. إنه شكل من أشكال التعلم الآلي غير الخاضع للرقابة والذي يعتمد على البيانات الموجودة لاكتشاف المخالفات غير المعروفة وغير المتوقعة في البيانات التي يحتمل أن تكون مشبوهة.
تُستخدم طرق الكشف عن الحالات الشاذة للكشف عن الحالات غير الطبيعية في ميزات الإدخال ذات الطول الثابت، مثل حركة مرور تطبيقات الشبكة، أو بيانات نظام الكمبيوتر أو إدخالات السجل، أو الرسائل النصية، أو مصادر البيانات الأخرى. كما يتم استخدامه أيضًا لاكتشاف السلوك غير المعتاد من المستخدمين أو الأجهزة، وحركة المرور داخل الشبكة وفيما بينها، والأنشطة الأخرى. تستخدم نماذج الكشف عن الحالات الشاذة عادة أساليب التعلم الخاضعة للإشراف أو غير الخاضعة للإشراف للكشف عن القيم المتطرفة، وتختلف في كمية المعلومات المستخدمة من البيانات، ويجب تدريبها على مجموعة من البيانات المصنفة.
يعمل اكتشاف الحالات الشاذة عن طريق البحث عن نقاط البيانات التي تختلف عن السلوك أو الأنماط المتوقعة في مجموعة البيانات. يمكن أن يشمل ذلك نشاطًا غير عادي على حسابات العملاء، أو حركة مرور مشبوهة على الشبكة، أو احتيال محتمل، أو أي نوع آخر من نقاط البيانات التي تبرز عن بقية البيانات. عند اكتشاف نمط غير عادي، يمكن استخدام النظام لتنبيه المشغل أو بدء استجابة تلقائية للتهديد.
يمكن استخدام أنظمة الكشف عن الشذوذ في الأمن السيبراني وجمع المعلومات الاستخبارية واكتشاف الاحتيال واكتشاف عيوب التصنيع وتحليل بيانات الرعاية الصحية. يمكن أيضًا استخدام هذا النوع من الكشف في الرعاية الصحية للكشف عن المشكلات الطبية، أو لتشخيص أعطال المعدات أو فشلها، أو للكشف عن الاحتيال المالي.
يعد اكتشاف الحالات الشاذة أداة قوية لاكتشاف التهديدات أو السلوك الضار. ومع ذلك، نظرًا لتعقيد بعض مجموعات البيانات، قد تحدث نتائج إيجابية أو سلبية كاذبة مع هذه النماذج - حيث يتم اكتشاف حدث غير طبيعي بشكل خاطئ أو عدم اكتشاف سلوك ضار. وللحد من هذه الإيجابيات والسلبيات الكاذبة، يجب ضبط نماذج الكشف عن الحالات الشاذة بعناية وإعادة تقييمها بشكل دوري.
