A detec\u00e7\u00e3o de anomalias, tamb\u00e9m conhecida como detec\u00e7\u00e3o de valores discrepantes, refere-se ao processo de identifica\u00e7\u00e3o de padr\u00f5es de dados que se desviam significativamente do comportamento esperado. Essas anomalias podem fornecer informa\u00e7\u00f5es importantes, muitas vezes cr\u00edticas, em v\u00e1rios dom\u00ednios, incluindo detec\u00e7\u00e3o de fraudes, seguran\u00e7a de rede e monitoramento da integridade do sistema. Como consequ\u00eancia, as t\u00e9cnicas de detec\u00e7\u00e3o de anomalias s\u00e3o de extrema import\u00e2ncia em \u00e1reas que gerem grandes quantidades de dados, como tecnologia da informa\u00e7\u00e3o, seguran\u00e7a cibern\u00e9tica, finan\u00e7as, sa\u00fade, etc.<\/p>\n
O conceito de detec\u00e7\u00e3o de anomalias remonta ao trabalho de estat\u00edsticos no in\u00edcio do s\u00e9culo XIX. Um dos primeiros usos deste conceito pode ser encontrado no campo do controle de qualidade dos processos de fabrica\u00e7\u00e3o, onde era necess\u00e1rio detectar varia\u00e7\u00f5es inesperadas nos produtos produzidos. O pr\u00f3prio termo foi popularizado no campo da ci\u00eancia da computa\u00e7\u00e3o e da cibern\u00e9tica nas d\u00e9cadas de 1960 e 1970, quando os pesquisadores come\u00e7aram a usar algoritmos e m\u00e9todos computacionais para detectar padr\u00f5es an\u00f4malos em conjuntos de dados.<\/p>\n
As primeiras men\u00e7\u00f5es a sistemas automatizados de detec\u00e7\u00e3o de anomalias na \u00e1rea de seguran\u00e7a de redes e detec\u00e7\u00e3o de intrus\u00f5es datam do final da d\u00e9cada de 1980 e in\u00edcio da d\u00e9cada de 1990. A crescente digitaliza\u00e7\u00e3o da sociedade e o subsequente aumento das amea\u00e7as cibern\u00e9ticas levaram ao desenvolvimento de m\u00e9todos sofisticados para detectar anomalias no tr\u00e1fego de rede e no comportamento do sistema.<\/p>\n
As t\u00e9cnicas de detec\u00e7\u00e3o de anomalias concentram-se essencialmente em encontrar padr\u00f5es em dados que n\u00e3o est\u00e3o em conformidade com o comportamento esperado. Essas \u201canomalias\u201d muitas vezes se traduzem em informa\u00e7\u00f5es cr\u00edticas e acion\u00e1veis em diversos dom\u00ednios de aplica\u00e7\u00e3o.<\/p>\n
As anomalias s\u00e3o categorizadas em tr\u00eas tipos:<\/p>\n
Anomalias pontuais<\/strong>: uma inst\u00e2ncia de dados individual \u00e9 an\u00f4mala se estiver muito distante das demais.<\/p>\n<\/li>\n Anomalias Contextuais<\/strong>: a anormalidade \u00e9 espec\u00edfica do contexto. Esse tipo de anomalia \u00e9 comum em dados de s\u00e9ries temporais.<\/p>\n<\/li>\n Anomalias Coletivas<\/strong>: um conjunto de inst\u00e2ncias de dados ajuda coletivamente na detec\u00e7\u00e3o de anomalias.<\/p>\n<\/li>\n<\/ol>\n As estrat\u00e9gias de detec\u00e7\u00e3o de anomalias podem ser classificadas da seguinte forma:<\/p>\n M\u00e9todos estat\u00edsticos<\/strong>: Esses m\u00e9todos modelam o comportamento normal e declaram qualquer coisa que n\u00e3o se enquadre nesse modelo como uma anomalia.<\/p>\n<\/li>\n M\u00e9todos baseados em aprendizado de m\u00e1quina<\/strong>: envolvem m\u00e9todos de aprendizagem supervisionados e n\u00e3o supervisionados.<\/p>\n<\/li>\n<\/ol>\n O processo de detec\u00e7\u00e3o de anomalias depende significativamente do m\u00e9todo utilizado. No entanto, a estrutura fundamental da detec\u00e7\u00e3o de anomalias envolve tr\u00eas etapas principais:<\/p>\n Constru\u00e7\u00e3o de modelo<\/strong>: O primeiro passo \u00e9 construir um modelo do que \u00e9 considerado comportamento \u201cnormal\u201d. Este modelo pode ser constru\u00eddo usando v\u00e1rias t\u00e9cnicas, incluindo m\u00e9todos estat\u00edsticos, agrupamento, classifica\u00e7\u00e3o e redes neurais.<\/p>\n<\/li>\n Detec\u00e7\u00e3o de anomalia<\/strong>: A pr\u00f3xima etapa \u00e9 usar o modelo constru\u00eddo para identificar anomalias em novos dados. Isso normalmente \u00e9 feito calculando o desvio de cada ponto de dados do modelo de comportamento normal.<\/p>\n<\/li>\n Avalia\u00e7\u00e3o de anomalias<\/strong>: A \u00faltima etapa \u00e9 avaliar as anomalias identificadas e decidir se s\u00e3o anomalias verdadeiras ou apenas pontos de dados incomuns.<\/p>\n<\/li>\n<\/ol>\n V\u00e1rios recursos principais tornam as t\u00e9cnicas de detec\u00e7\u00e3o de anomalias particularmente \u00fateis:<\/p>\n Existem muitas maneiras de categorizar os m\u00e9todos de detec\u00e7\u00e3o de anomalias. Aqui est\u00e3o alguns dos mais comuns:<\/p>\n\n
O mecanismo subjacente de detec\u00e7\u00e3o de anomalias<\/h2>\n
\n
Principais recursos de detec\u00e7\u00e3o de anomalias<\/h2>\n
\n
Tipos de m\u00e9todos de detec\u00e7\u00e3o de anomalias<\/h2>\n