Le score aberrant basé sur l'histogramme (HBOS) est une méthode de détection des valeurs aberrantes largement utilisée en raison de son efficacité et de sa simplicité de calcul. Cependant, comme il suppose l'indépendance entre les caractéristiques, sa capacité à détecter les valeurs aberrantes dans les jeux de données où les interactions entre caractéristiques sont significatives est limitée. Dans cet article, nous proposons le score aberrant basé sur l'histogramme étendu (EHBOS), une amélioration du HBOS qui intègre des histogrammes bidimensionnels pour capturer les dépendances entre paires de caractéristiques. Cette extension permet à l'EHBOS d'identifier les anomalies contextuelles et de dépendance que le HBOS ne parvient pas à détecter. À l'aide de 17 jeux de données de référence, nous évaluons l'efficacité et la robustesse de l'EHBOS dans divers scénarios de détection d'anomalies. L'EHBOS surpasse le HBOS sur plusieurs jeux de données où les interactions entre caractéristiques sont cruciales pour définir la structure de l'anomalie, permettant des améliorations significatives de l'AUC ROC. Ces résultats démontrent qu'EHBOS peut être une extension précieuse du HBOS pour la modélisation de dépendances complexes entre caractéristiques. En particulier dans les ensembles de données où les anomalies contextuelles ou relationnelles jouent un rôle important, EHBOS fournit un nouvel outil puissant de détection d'anomalies.
