HBOS(Histogram-Based Outlier Score)는 계산 효율성과 단순성으로 널리 사용되는 이상치 탐지 방법이지만, 특징 간의 독립성을 가정하기 때문에 특징 간 상호작용이 중요한 데이터셋에서 이상치를 탐지하는 능력이 제한적입니다. 본 논문에서는 특징 쌍 간의 의존성을 포착하기 위해 2차원 히스토그램을 통합하여 HBOS를 향상시킨 EHBOS(Extended Histogram-Based Outlier Score)를 제안합니다. 이 확장을 통해 EHBOS는 HBOS가 탐지하지 못하는 상황적 및 의존성 기반 이상 현상을 식별할 수 있습니다. 17개의 벤치마크 데이터셋을 사용하여 EHBOS의 효과와 강건성을 다양한 이상 탐지 시나리오에서 평가한 결과, 특징 상호작용이 이상 구조를 정의하는 데 중요한 여러 데이터셋에서 HBOS보다 성능이 우수하며, ROC AUC에서 상당한 개선을 달성했습니다. 이러한 결과는 EHBOS가 복잡한 특징 의존성을 모델링할 수 있는 HBOS의 귀중한 확장이 될 수 있음을 보여줍니다. 특히 상황적 또는 관계적 이상 현상이 중요한 역할을 하는 데이터셋에서 EHBOS는 강력한 새로운 이상 탐지 도구를 제공합니다.
