Stable Diffusion异常检测是一种基于随机游走的异常检测方法，其主要思想是通过对数据进行随机游走，从而生成一个概率图，然后根据概率图中的稳定性来判断数据点是否为异常。具体步骤如下：
构建概率图：首先将数据点之间的相似性建模为一个概率图，其中每个节点表示一个数据点，边的权重表示两个数据点之间的相似性。
随机游走：对概率图进行随机游走，即从一个节点出发，按照一定的概率选择下一个节点，并在每一步更新节点的概率分布。
稳定性判断：通过多次随机游走，得到每个节点的概率分布，并计算每个节点的稳定性指标。稳定性指标可以是节点的熵值、方差等，用于衡量节点在不同概率分布下的波动情况。
异常检测：根据节点的稳定性指标，判断数据点是否为异常。通常来说，稳定性较低的节点很可能是异常点。
通过这种方法，Stable Diffusion可以有效地检测数据中的异常点，并且相对于传统的基于距离或密度的方法，它对数据的分布形状和噪声更加鲁棒。
