資料採擷 (Data Mining) 是近年來資料庫應用領域中相當熱門的議題。資料採擷一般是指在資料庫中,利用各種分析方法與技術,將過去企業所累積的大量歷史資料,進行分析、歸納與整合等工作,以粹取出有用的資訊,找出使用者有興趣的樣式 (Interesting Patterns),提供企業管理階層作為訂定決策的依據。目前,無論是零售業、百貨業、電子商務公司、金融機構、電信業、網站管理或醫學診斷等,都已經逐漸體認到資料採擷的重要性,因此也開始積極從事資料採擷的工作,以為企業創造出真正的價值。然而上述都傾向於從過去大量的歷史資料中去作分析,在現實生活的應用上,有些資訊是需要即時告知管理者。例如:電話盜撥、網路干擾、信用卡盜刷等,藉由即時告知以將損失降至最低;而這些異常的情況可能會經常改變,因此要如何應用資料採擷的技術,來完成一個具有即時性與適應性 (Adaptive) 的系統,便成為本研究主要的目標。本研究以電信資料為實驗環境,應用熱力學中的熵函數 (Entropy) 來作為評估資料庫資訊含量的重要指標,並利用類神經網路 (Neural Networks) 的技術,將標示出的正常與異常資料當作輸入資料,經由不斷地訓練與學習後,期望能夠準確地找出各種異常的情況,以幫助電信企業管理者做出最佳的決策,為企業謀得最大的利潤。