基于 GNN 算法的多数据源异常事件检测方法
社会与信息网络
2021-04-20 v1
摘要
异常事件检测对关键基础设施安全（交通系统、社会生态部门、保险服务、政府部门等）至关重要，因为它能够通过分析来自数字系统和网络的数据（消息、微博、日志等）提前揭示并应对潜在网络威胁。然而，智能设备的便利性与适用性以及互联技术的成熟使得社会异常事件数据呈现多源与动态特性，这导致了对多源数据检测的不适应，从而影响关键基础设施安全。为有效解决所述问题，本文设计了一种基于多源数据的新型异常检测方法。首先，我们利用谱聚类算法进行多数据源的特征提取与融合。其次，通过利用深度图神经网络（Deep-GNN）的能力，我们进行细粒度的异常社会事件检测，揭示威胁性事件并保障关键基础设施安全。实验结果表明，我们的框架优于其他基线异常事件检测方法，并展现出高跟踪精度、强鲁棒性与稳定性。
引用
@article{arxiv.2104.08761,
title = {An Anomaly Event Detection Method Based on GNN Algorithm for Multi-data Sources},
author = {Yipeng Ji and Jingyi Wang and Shaoning Li and Yangyang Li and Shenwen Lin and Xiong Li},
journal= {arXiv preprint arXiv:2104.08761},
year = {2021}
}
备注
Accepted by BSCI 2021