TSB-AD

一套接口跑通时序异常检测算法与数据集评测

TSB-AD 是一个面向时间序列异常检测的开源基准与工具箱，提供统一的算法实现、数据集加载和评测流程。它解决的核心问题是：时间序列异常检测领域算法众多、数据集分散、评测口径不一致，导致研究者难以公平比较不同方法。项目把主流检测算法（如基于重构、预测、密度、距离等思路的方法）与常用公开数据集整合到同一套接口下，并配套教程与实验脚本，让用户能快速跑通从数据加载、模型训练到指标计算的全流程。核心能力包括：标准化数据管道、多算法可插拔调用、统一评测指标（如 F1、AUC 等），以及可复现的基准结果。适合做异常检测研究、算法选型和教学演示，降低从零搭建评测环境的成本。项目处于早期阶段，星标约 327，生态和文档仍在完善中。

开源 free 评测安全
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 327
维护状态 较活跃
是否开源 是
定价模式 free

项目数据

分类评测安全
开发团队thedatumorg
所属国家
官网地址https://thedatumorg.github.io/TSB-AD
GitHubhttps://github.com/thedatumorg/TSB-AD
定价模式free
价格说明开源免费，含算法与数据集
访问状态
是否开源是
开源协议Apache-2.0
主要语言Python
技术栈/模型anomaly-detection,benchmark,time-series
GitHub 星标★ 327
30天Star增速
HF 下载量
上线时间2024-06-05 00:00:00
最近更新2026-09-20 00:00:00
维护状态较活跃
中文支持
访问方式
移动端支持
综合评分
收录时间2026-09-21
浏览次数0

使用教程

核心亮点

  • 把多种时序异常检测算法和常用数据集整合到统一接口，省去逐个适配数据格式的重复工作
  • 提供标准化评测流程和指标，便于不同方法在同一口径下公平对比
  • 附带教程和实验脚本，新手能按示例快速跑通训练与评估全流程

不足之处

  • 项目处于早期，算法与数据集覆盖范围有限，部分新方法可能尚未收录
  • 文档和社区生态仍在建设中，遇到问题时参考资料和讨论较少

适用场景

  • 研究者做时间序列异常检测算法对比实验
  • 工程师为新业务场景快速选型异常检测方案
  • 教学场景中演示时序异常检测的完整评测流程

替代项目

Merlion、TimeEval、PyOD

项目介绍

TSB-AD 是评测安全领域的开源项目，由 thedatumorg 开发，2024 年首次发布。

它收录于评测安全分类，该分类目前共有 451 个项目，GitHub 星标数为 327。

项目保持着较活跃的维护节奏，最近一次代码更新于 2026-09-20。开源免费，含算法与数据集。

它主要面向的使用场景是：研究者做时间序列异常检测算法对比实验。同类可对比的替代方案包括 Merlion、TimeEval、PyOD。

上一篇：evaluate

下一篇：memorybench

同类项目推荐

akto 开源

给 AI 应用做安全体检，防提示注入和数据泄露

Akto is the fastest growing AI Security platform for your teams to secure AI agents,···

★ 1518 2026-08-20
XSafeClaw 开源

给 AI 智能体装上安全盾，自动红队测试找漏洞

Introducing XSafeClaw: The Open-Source Agent Safety Platform from Fudan University

★ 164 2026-08-10
Tracely-ai 开源

把生产事故变成回归测试，合并前自动拦截 AI 故障

Trace-native CI/CD for AI agents — production failures become regression tests that···

★ 1354 2026-08-24