异常检测与欺诈分析
# 異常檢測與欺詐分析請求
## 分析背景
- 業務領域：[金融/電商/保險/網絡安全等]
- 異常類型：[欺詐交易/系統入侵/異常行為等]
- 已知模式：[已識別的欺詐或異常模式]
- 誤報成本與漏報成本：[相對重要性]
## 數據描述
- 正常樣本數量：[正常記錄數]
- 已知異常樣本：[已標記的異常記錄數，如有]
- 關鍵特徵：[可能指示異常的特徵]
- 時間維度：[數據的時間跨度和粒度]
## 分析需求
請執行以下異常檢測分析：
1. 基於統計的異常檢測（離群值分析）
2. 基於機器學習的異常檢測
3. 基於規則的異常檢測（領域知識）
4. 時間序列異常檢測（如適用）
## 檢測方法
請考慮以下方法：
- 統計方法（Z-分數、IQR、DBSCAN等）
- 監督學習（如有標記數據）
- 非監督學習（隔離森林、單類SVM、自編碼器等）
- 規則引擎和專家系統
- 網絡分析（關係異常）
## 評估標準
- 檢測率/召回率
- 精確率
- F1分數
- AUC-ROC/AUC-PR
- 誤報率和漏報率
## 輸出期望
- 檢測到的異常模式描述
- 異常記錄的優先級排序
- 異常的可視化表示
- 檢測方法的性能比較
- 實施建議和監控策略