看一排彼此联动的传感器，单个读数都不离谱，组合起来却可能反常。难点是把真正的短暂偏移挑出来，又别让随机波动频繁触发告警。Turčičová 与 Martinková 针对多元高斯数据——多个相关指标的联合分布近似多元正态——提出了一套新阈值，处理少量观测发生均值漂移的情形。
最值得注意的是，这条告警线不需要预先知道异常有多稀少，也不必先拍脑袋选定 0.05、0.01 之类的概率水平。方法允许正常数据的协方差矩阵未知，也就是指标之间的相关关系需要从数据估计；作者同时给出了均值偏移、协方差及其估计器须满足的条件。在这些条件下，随着样本量增加，误判观测的期望数量趋近于零，这就是论文所称的“渐近精确”。
论文还划出了任何方法都无法精确识别异常的条件，并用模拟、可穿戴设备活动测量和空气污染时间序列评估方案。边界也很明确：保证依赖多元高斯、异常稀疏和均值偏移等假设，并非适用于所有异常形态的通用告警器。