随着数据采集技术的进步，流数据量和速度不断增长，对时间序列分析的需求也日益迫切。在这方面，时间序列异常检测成为一项重要的活动，并在网络安全、金融市场、执法和医疗保健等领域得到了广泛的应用。

尽管传统的异常检测文献主要集中在统计方法上，但近年来机器学习算法数量的不断增加，使得对时间序列异常检测的研究方法进行结构化和通用的表征成为必要。这篇综述文章以过程为中心的分类法，对时间序列背景下的现有异常检测解决方案进行了分组和总结。除了对异常检测方法进行原创性的分类，我们还对相关文献进行了元分析，并概述了时间序列异常检测研究的总体趋势。