anomaly-detection

分佈外檢測、強健性與泛化資源。此儲存庫包含精選的論文、教學、書籍、影片、文章和開源函式庫等

NeurIPS 2022「ADBench: Anomaly Detection Benchmark」官方實作。

基於 Drain 演算法的強大串流日誌範本探勘工具。

異常檢測方法集合（IID/基於點、圖和時間序列），包含用於異常檢測/發現的主動學習、貝氏規則探勘、多樣性/解釋性/可解釋性描述。分析結合標籤回饋與整合及基於樹的檢測器。包含使用 Graph Convolutional Network 的對抗攻擊。

「Segment Any Anomaly without Training via Hybrid Prompt Regularization (SAA+)」的官方實作。

MOMENT：一系列開放的時間序列基礎模型，ICML'24

Luminaire 是一個 Python 套件，提供機器學習驅動的監控時間序列資料解決方案。

以即時與串流方式對動態（隨時間演進）圖表進行異常檢測。檢測入侵（DoS 與 DDoS 攻擊）、詐欺、虛假評分異常。

Python 動手學非監督式學習（O'Reilly Media）一書的程式碼

[VLDB'22] 使用 Transformers、自我條件化與對抗性訓練的異常檢測。

用於處理時間序列與序列資料的資源

用於高光譜影像處理的 Python 模組

統一的多任務時間序列模型。

OpenChatBI 是一個基於大型語言模型的智慧對話式 BI 工具，旨在協助使用者透過自然語言對話來查詢、分析和視覺化資料。它使用 LangGraph 和 LangChain 來建構對話代理程式與工作流程，支援自然語言轉 SQL 以及資料分析。

Real Intelligence Threat Analytics (RITA) 是一個透過網路流量分析來偵測命令與控制 (C&C) 通訊的框架。

論文「A Systematic Evaluation of Deep Anomaly Detection Methods for Time Series」的程式碼庫。

針對時間序列指標的即時異常偵測。具備 11 年的生產環境異常偵測演進經驗，採用多演算法整合、基於半監督與非監督式學習的模式識別，以及相關性分析。能隨時間學習並持續優化。無需 GPU，可在 VPS 上執行。

基於深度學習的離群值/異常檢測

關於時間序列領域的綜合調查。

此儲存庫包含時間序列分割相關論文的閱讀清單。此儲存庫持續更新中。

用於串流異常檢測的 Robust Random Cut Forest 演算法實作

針對海上油井的即時偵測，實現更主動且有效的行動！

[CVPR 2025] "Dinomaly: The Less Is More Philosophy in Multi-Class Unsupervised Anomaly Detection" 官方實作。首個能與單類別 SOTA 模型競爭的多類別 UAD 模型

一個強大且靈活的開源使用者與實體行為分析 (UEBA) 框架，用於安全分析。由網路安全產業的資料科學家與安全分析師精心開發。[BETA]