Il apprend le profil des données "normales" pour créer une frontière (hyperplan), et considère tout ce qui sort de cette frontière comme anormal.

Il applique une Analyse en Composantes Principales (PCA) suivie d'une régression linéaire.

Il force les données à se répartir dans K clusters différents pour mesurer les distances au centre.

Il reconstruit les données d'entrée via un réseau de neurones profond et vérifie le taux d'erreur de reconstruction.