Detecção de Anomalias com Autoencoder

A detecção de anomalias com autoencoder treina uma rede neural para comprimir e, em seguida, reconstruir dados normais. Como o modelo aprendeu apenas como é o normal, entradas anômalas produzem erros de reconstrução notavelmente mais altos — e esses erros se tornam a pontuação de anomalia. O método não requer anomalias rotuladas e escala naturalmente para dados de alta dimensionalidade, como fluxos de sensores, imagens e registros de logs.