本論文では、銀行口座の残高における点異常を検出することの重要性について述べられています。金融機関にとっては、これは潜在的な詐欺や運用上の問題、その他の不規則性を特定するために必要です。ロバスト統計学は、外れ値をフラグ付けし、汚染された観測値に影響されないデータ分布パラメータの推定を提供するのに役立ちますが、高次元設定においては効率が悪く、計算資源を多く消費します。そこで、本論文は、中・高次元データセットにおいて計算効率が高く、高い分解能を持ち、低い計算時間で動作するいくつかのロバストアプローチを提案し、実験的に評価しています。具体的には、約260万件の匿名ユーザーの銀行口座残高データを用いて異常検知を行う応用事例が示されています。