본 논문은 스트리밍 환경에 적합한 새로운 이상 탐지 방법인 Online-iForest를 제안합니다. 기존의 오프라인 이상 탐지 방법들은 메모리에 반복적인 데이터 접근을 필요로 하고, 스트리밍 환경에 적용될 때 비현실적인 가정을 하게 되는 한계가 있습니다. 기존 온라인 이상 탐지 방법들 또한 주기적인 재훈련에 의존하여 온라인 환경에 적응하는데, 이는 효율성 문제를 야기합니다. Online-iForest는 시간에 따라 진화하는 데이터 생성 과정을 원활하게 추적하도록 설계되었습니다. 실제 데이터셋에 대한 실험 결과, Online-iForest는 기존 온라인 방법들과 비슷한 성능을 보이며, 주기적인 재훈련을 거치는 최첨단 오프라인 이상 탐지 기법들과도 경쟁력을 갖는 것으로 나타났습니다. 특히, Online-iForest는 모든 경쟁 방법들보다 효율성 면에서 꾸준히 우수한 성능을 보여 사이버 보안, 사기 및 결함 탐지와 같이 이상 현상의 빠른 식별이 중요한 애플리케이션에 유망한 솔루션이 될 수 있음을 시사합니다.
