Wykrywanie anomalii (), wykrywanie wartości odstających – zagadnienie analizy danych polegające na identyfikacji rzadkich jednostek, zdarzeń lub obserwacji, które wyraźnie odbiegają od dominującego wzorca i nie wpisują się w dobrze zdefiniowane pojęcie typowego zachowania. Takie przypadki mogą budzić podejrzenia, że zostały wygenerowane przez inny mechanizm lub wydawać się niespójne z resztą zbioru danych.

Zastosowania Wykrywanie anomalii znajduje zastosowanie w wielu różnych dziedzinach i stanowi ważny obszar nienadzorowanego uczenia maszynowego. Techniki te wykorzystywane są m.in. w cyberbezpieczeństwie, wykrywaniu włamań, oszustw i błędów, monitorowaniu stanu systemów, analizie danych z sieci czujników, indentyfikacji zaburzeń w ekosystemach, wykrywaniu defektów w obrazach za pomocą wizji maszynowej, diagnostyce medycznej i działaniach organów ścigania.

Wykrywanie włamań Wykrywanie anomalii zostało zaproponowane w systemach wykrywania włamań (IDS) w 1986 roku.