En la minería de datos uno de los problemas más estudiados es la detección de anomalías, es decir encontrar datos “raros” dentro de un conjunto que resultan sospechosos de ser generados por un mecanismo distinto al resto del conjunto. La detección de anomalías encuentra aplicación en el descubrimiento de información novedosa, fraudes bancarios e intrusiones en sistemas. No solo debe verse desde el punto de vista de la limpieza de datos, sino que permite descubrir información que puede resultar de interés. Como problemática se tiene: En la actualidad, el manejo de grandes volúmenes de datos(big data), representa un desafío para los algoritmos de detección de anomalías, los recursos de un solo ordenador pueden ser insuficientes para la eficiencia de un determinado algoritmo, además de que los conjuntos de datos, por su creciente magnitud, se almacenan frecuentemente en ambientes distribuidos. Se propone como objetivo: Desarrollar un nuevo algoritmo distribuido de detección de anomalías basado en solucionar la Descripcion de Datos por Vectores Soporte utilizando el Método de los Multiplicadores con Direcciones Alternadas. Se emplea dicho método, métodos kernel y de reducción de dimensionalidad, y la Descripción de Datos por Vectores Soporte. El aporte de este trabajo es la obtención de un nuevo método distribuido de detección de anomalías que resulte eficaz ante los existentes, en particular en grandes volúmenes de datos. Como conclusiones se logra obtener la modelación e implementación del método propuesto, y se analizan los resultados obtenidos en los conjuntos de datos de prueba.