共用方式為

何謂異常偵測器？

  • 發行項

重要

從 2023 年 9 月 20 日起，您將無法建立新的異常偵測器資源。 異常偵測器服務將於 2026 年 10 月 1 日淘汰。

異常偵測器是一種 AI 服務，包含一組 API，可讓您使用少量機器學習 (ML) 知識監視和偵測時間序列資料中的異常，無論是批次驗證或是即時推斷。

此文件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與簡單的作業搭配運作。
  • 操作指南包含以更具體或自訂的方式使用服務的指示。
  • 教學課程是篇幅較長的指南，其會示範如何在更廣泛的商務解決方案中使用此服務作為元件。
  • 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功能和特徵的深入說明。

異常偵測程式功能

透過異常偵測器，可使用單變量異常偵測器來偵測單一變數中的異常，或使用多變量異常偵測器來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 使用相互關聯偵測多個變數中的異常，這些變數通常是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。 不論是什麼產業、情節或資料量，此演算法都會自動找出最適合的模型並將其套用到您的資料。 使用您的時間序列資料，API 可判斷異常偵測的界限、預期的值，以及哪些資料點異常。

偵測服務要求中模式變更的折線圖。

使用異常偵測器並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您的應用程式和程序中。

透過單變量異常偵測程式，您可以自動偵測整個時間序列資料中的異常狀況，或在發生異常時即時偵測。

功能 描述
串流偵測 使用先前看到的資料點，偵測串流資料中的異常，以判斷您最新的資料點是否異常。 此業會使用您傳送的資料點來生模型，以判斷目標點是否異常。 透過您所產生的每個新資料點呼叫 API，即可在資料建立時加以監視。
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。 此作業會使用您的整個時間序列資料產生一個模型，以相同的模型分析每個資料點。
變更點偵測 使用您的時間序列來偵測任何存在於資料中的趨勢變更點。 此作業會使用您的整個時間序列資料產生一個模型，以相同的模型分析每個資料點。

多變量異常偵測

多變量異常偵測 API 可讓開發人員更輕鬆整合進階 AI，來偵測計量群組中的異常，而不需要機器學習知識或標記資料。 多達 300 種不同信號之間的相依性和相互關聯會自動視為主要因素。 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、太空船，或甚至是您的業務，避免失敗發生。

多個變數的折線圖，包含：旋轉、光碟篩選、壓力、以橘色醒目提示的異常軸承。

假設汽車引擎的 20 個感應器產生 20 個不同的訊號，例如旋轉、燃油壓力、軸承等。這些訊號的個別讀數可能不會告訴您系統層級問題，但結合在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之外時，多變數異常偵測功能就像是經驗豐富的專家一樣，可以偵測到異常狀況。 基礎 AI 模型會使用您的資料進行定型和自訂，以瞭解您企業的獨特需求。 利用異常偵測器中的新 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、複雜企業軟體的 AIOps 監視解決方案，或是商業智慧工具中。

加入異常偵測器社群

在 Microsoft Teams 上加入異常偵測器顧問群組，取得更好的支援和所有更新資訊！

演算法

下一步