## Memo ## Abstract 過去数十年間に開発された多くの異常検知アルゴリズムがある中で、（i）様々な監視レベル、（ii）異なるタイプの異常、（iii）ノイズや破損したデータに関して、これらのアルゴリズムはどのように動作するのだろうか。本研究では、ADBenchと名付けた57のベンチマークデータセットに対して、30種類のアルゴリズムによる最も包括的な異常検知ベンチマークを実施することにより、これらの重要な疑問に答えるものである。我々の広範な実験（合計98,436件）により、監視の役割と異常の種類に関する有意義な洞察を見出し、アルゴリズムの選択と設計における研究者の将来の方向性を明らかにする。ADBenchを用いることで、研究者は既存のベースラインに対して、新たに提案された手法をデータセット（自然言語やコンピュータビジョンの領域から提供されたものを含む）上で包括的かつ公正に評価することを効率的に行うことができます。また、アクセス性と再現性を高めるため、ADBenchとその結果を完全にオープンソース化しました。 ## 1. Introduction