时间序列异常检测由于时间依赖数据的序列性和动态性而面临各种挑战。传统的无监督方法在泛化方面经常遇到困难，往往过度拟合训练期间观察到的已知正常模式，并且难以适应未知的正常情况。针对这一局限性，自监督时间序列技术作为克服这一障碍并提高异常检测器性能的潜在解决方案而受到关注。本文全面综述了利用自监督学习进行时间序列异常检测的最新方法。提出了一个分类法，根据这些方法的主要特征对其进行分类，以便清晰理解该领域内的多样性。本调查中包含的信息以及将定期更新的其他详细信息，可在以下 GitHub 存储库中找到：此 https URL。