異常檢測
異常檢測通過人工智能算法識別費用波動異常，實現自動監控、發現和預警預期外異常費用，幫助用戶及時洞察費用異常。
目前提供新版和舊版不同版本的費用與成本控制臺，請按照您使用的控制臺版本查看對應文檔。判斷您所使用的控制臺版本，請參見如何辨別費用與成本新版和舊版？
異常檢測（新版）
適用的云產品
異常檢測功能適用的云產品范圍如下所示（其中包年包月預付費商品僅檢測其后付費的計費項）：
云盤 | 云服務器ECS（包月） | 加速上云服務_后付費 | 快照 | 日志服務 | 阿里內部使用負載均衡 |
傳統型負載均衡CLB（按量付費） | 風險識別按量付費 | RDS只讀實例（按量） | 高速通道-對等連接（后付費） | 關系型數據庫（按量付費） | 云數據庫 PolarDB-包年包月 |
網盤與相冊服務 | 高速通道-資源占用費（預付費） | P2P內容分發網絡 | 表格存儲（按量付費） | 對象存儲OSS | 消息隊列 MetaQ 按量付費 |
消息隊列 RocketMQ 版 | NAT網關（按量付費） | 文件存儲（按量付費） | 中間件內部diamond | 視頻直播 | IPv6公網帶寬（后付費） |
智能媒體管理 | 出云流量-國內站 | 邊緣節點服務 | 彈性公網IP（后付費） | Pandora容器（內部商品） | 云服務器（按量付費） |
彈性容器實例 ECI | 語音SIP | 專有宿主機（按量付費） | 容器服務企業服務 | 云數據傳輸-公網 | 共享帶寬（包月） |
跨產品公網帶寬 | 共享帶寬（后付費） | 云企業網_跨境（預付費） | 云企業網（預付費） | NAT共享帶寬包（按量付費） | 漏洞掃描 |
應用實時監控服務試用版 | 云原生數據倉庫AnalyticDB MySQL版（按量付費） | - | - | - | - |
開啟檢測
使用異常檢測功能，表示您理解并同意以下內容：異常檢測是免費為您提供，由算法為您找出在使用服務中的疑似異常。我們無法承諾該免費功能100%穩定（如可能出現的檢測不準確或不全面、預警通知時效性不足等），且不為異常的真實原因或由此引發您的任何資損負責。
在費用與成本異常檢測頁面，單擊開啟檢測按鈕。
開啟檢測后，需要第二天才能查看到結果，僅在檢測到異常時，才會展示檢測結果。
設置檢測靈敏度
單擊檢測設置，可拖動設置異常檢測的靈敏程度，靈敏度數值越大，即更容易檢測到異常。
異常成本：實際消費成本與算法期望值區間邊界的差值的絕對值。
期望值區間：是異常檢測算法（根據您設定的靈敏度，及歷史消費數據）輸出的預期正常波動范圍，在成本數據走勢圖中用藍色陰影表示。
說明實際消費值處于期望值區間內時，算法認為波動較小而不報異常；實際值超出期望值區間的上下限時，算法認為波動過大而檢測為異常。
期望值區間受靈敏度設置的影響，靈敏度越大，期望值區間越小，越容易檢測到異常。
設置預警
單擊開啟預警按鈕，開啟預警功能。當檢測到的異常成本或異常程度滿足設定的預警閾值時，系統會自動發送預警通知。
單擊預警設置，可設置預警值和預警消息接收方式。
反饋評估結果
當檢測到寫消費異常時，檢測結果會在異常明細中展示。
單擊操作列查看詳情，可查看異常檢測的發現時間、涉及產品、賬號、異常發現前后的消費成本走勢等。單擊異常點的查看成本分析，跳轉到成本分析頁進一步驗證檢測結果是否準確。
支持對檢測結果進行評估，您的評估結果會幫助算法訓練，越多反饋，越有利于提升檢測準確率。
準確的異常：代表該系統檢測結果準確，確實是業務上的異常，下次如有類似情況則繼續檢測為異常。
不是問題：代表預期內的波動或影響較小，系統會繼續提升檢測準確率。
誤報：代表該系統檢測結果不準確、為誤報，實際上不是異常，系統需要提升檢測準確率。
異常檢測（舊版）
功能說明
異常檢測通過人工智能算法實現，您可自定義異常檢測的靈敏程度，系統智能識別費用波動異常，從而實現自動監控、發現和預警預期外異常費用，幫助用戶及時洞察費用異常。
異常檢測支持評估反饋，用戶的反饋結果會參與訓練算法，反饋越多、越準確，越有利于提升檢測準確率，用戶可以通過評估反饋體系，打造貼合業務自身的算法模型。
在使用異常檢測功能前，請您知曉：我們為您提供免費的異常檢測功能，通過該功能您可體驗由算法為您找出在用服務中的疑似異常。您理解并同意，我們無法承諾該免費功能100%穩定（如可能出現的檢測不準確或不全面、預警通知時效性不足等），亦不為異常的真實原因或由此引發您的任何資損負責。
“異常檢測”功能適用的商品范圍如下所示（其中包年包月預付費商品僅檢測其后付費的計費項）：
商品名稱 |
云盤 |
云服務器ECS（包月） |
加速上云服務_后付費 |
快照 |
日志服務 |
阿里內部使用負載均衡 |
傳統型負載均衡CLB（按量付費） |
風險識別按量付費 |
RDS只讀實例（按量） |
高速通道-對等連接（后付費） |
關系型數據庫（按量付費） |
云數據庫 PolarDB-包年包月 |
網盤與相冊服務 |
高速通道-資源占用費（預付費） |
P2P內容分發網絡 |
表格存儲（按量付費） |
對象存儲OSS |
消息隊列 MetaQ 按量付費 |
消息隊列 RocketMQ 版 |
NAT網關（按量付費） |
文件存儲（按量付費） |
中間件內部diamond |
視頻直播 |
IPv6公網帶寬（后付費） |
智能媒體管理 |
出云流量-國內站 |
邊緣節點服務 |
彈性公網IP（后付費） |
Pandora容器（內部商品） |
云服務器（按量付費） |
彈性容器實例 ECI |
語音SIP |
專有宿主機（按量付費） |
容器服務企業服務 |
云數據傳輸-公網 |
共享帶寬（包月） |
跨產品公網帶寬 |
共享帶寬（后付費） |
云企業網_跨境（預付費） |
云企業網（預付費） |
NAT共享帶寬包（按量付費） |
漏洞掃描 |
應用實時監控服務試用版 |
云原生數據倉庫AnalyticDB MySQL版（按量付費） |
操作說明
您可以登錄“費用與成本”，進入“成本管理-異常檢測”，查看您云上消費的異常檢測結果：
開啟檢測
點擊右上側“開啟檢測”按鈕，可開啟或關閉“異常檢測”功能。選擇開啟時，請在彈窗中確認“開啟說明”，便于更好的使用功能。
靈敏度設置
點擊右上側“檢測設置”，可拖動設置異常檢測的靈敏程度，靈敏度數值越大，即更容易檢測到異常。
異常成本：實際消費成本與算法期望值區間邊界的差值的絕對值。
期望值區間：是異常檢測算法（根據您設定的靈敏度，及歷史消費數據）輸出的預期正常波動范圍，在成本數據走勢圖中用藍色陰影表示。
實際消費值處于期望值區間內時，算法認為波動較小而不報異常；實際值超出期望值區間的上下限時，算法認為波動過大而檢測為異常。
期望值區間受靈敏度設置的影響，靈敏度越大，期望值區間越小，越容易檢測到異常。
預警設置
點擊右上側“開啟預警”按鈕，可開啟或關閉預警功能。選擇開啟后，當檢測到的異常成本或異常程度滿足設定的預警閾值時，系統會自動發送預警通知。
點擊“預警設置”按鈕，可在彈窗中設置預警條件，點擊“添加一組預警”，設置第一組預警條件：
完成后，用戶可設置的預警信息如下：
預警值類型：
預警名稱：該條預警設置的名稱。
預警條件：包含“異常成本”和“異常程度”。
預警閾值：若“預警條件”選擇“異常成本”則閾值需填寫金額數值；若“預警條件”選擇“異常程度”則閾值需選擇“疑似”“輕微”“嚴重”“十分嚴重”。
預警頻率：默認為“每天一次”。
消息接收方式：可選擇郵件、短信、站內信的方式收取預警通知。
請確保您選擇的接收人擁有已驗證的郵箱和手機號，以避免無法收到通知郵件和短信。
第一條預警設置完成后，在“預警值1”下方，您可以點擊“添加一組預警”，新增第二條預警。
開啟嚴重異常提前預警：
開啟后，對于檢測范圍內異常程度為嚴重或十分嚴重的異常，將更及時預警，最快可在實際消費后9小時內預警。
開啟嚴重異常提前預警后，系統會每隔幾小時檢測當天的數據，如果發現有嚴重異常以上的成本異常，則會更頻繁及時地預警；但是當天的異常無法查看詳情頁，異常的可能原因也未更新完成，您需要在第二天才能看到詳情頁。
請您知曉：如果開啟了嚴重異常提前預警，預警通知將會更加頻繁，如果您認為這會對您產生打擾，請關閉該功能或減少通知人范圍。
檢測結果
開啟異常檢測功能后，系統會按照檢測設置對您的消費情況進行異常檢測，并展示檢測到的異常明細結果。
在上方“異常檢測”功能區中，可以查看選擇時間范圍內的“未評估的異常”、“未評估異常成本”、“累計異常數量”以及“累計異常成本”。
在“異常明細”功能區中，可以按條件篩選檢測結果，其中各字段含義如下：
異常ID：本條異常的唯一識別ID。
發現時間：本條異常費用發生的日期。
產品明細：發生消費異常對應的商品名稱。
賬號：異常發生的賬號，包含當前賬號及下屬財務子賬號。
異常成本：實際消費成本與算法期望值區間邊界的差值的絕對值。
成本趨勢：指費用異常的方向，成本上漲或成本下降。
異常程度：異常消費金額偏離期望值區間的程度，偏離程度越大，異常程度越嚴重。
評估結果：對該異常檢測進行人為評估的結果，含“準確的異常”、“不是問題”、“誤報”。
評估反饋
您可以點擊檢測結果右側“查看詳情”進入詳情頁，查看檢測結果詳情。
詳情頁包含“異常概覽”部分，可查看異常檢測的發現時間、涉及產品、賬號、異常發現前后的消費成本走勢，您可以點擊異常成本點的查看成本分析，進入“成本分析”頁進一步驗證檢測結果是否準確：
在“異常評估”部分，可根據系統推送的異常“可能原因參考”排查異常消費產生的原因：
點擊右側“查看成本分析”，進入“成本分析”頁查看該原因對應“Owner賬號”、“地域”、“產品明細”條件下的成本分析數據。
異常評估：也可選擇正確的反饋并提交，可以參與算法訓練，反饋越多、越準確，越有利于提升檢測準確率：
評估反饋選擇“準確的異常”：代表該系統檢測結果準確，確實是業務上的異常，下次如有類似情況則繼續檢測為異常。還可在下方勾選或備注實際原因。
評估反饋選擇“不是問題”：代表預期內的波動或影響較小，系統需要提升檢測準確率。還可在下方勾選或備注實際引起波動的原因。
評估反饋選擇“誤報”：代表該系統檢測結果不準確、為誤報，實際上不是異常，系統需要提升檢測準確率。還可在下方勾選或備注您認為誤報的原因。
完成后，點擊“提交”進行異常評估反饋。