变尺寸动态网络中的异常检测

动态网络，也称为网络流，是一种重要的数据表示形式，适用于许多现实领域。许多网络数据集，如电子邮件网络、社交网络或互联网流量网络，由于数据的时间成分，最好用动态网络来表示。动态网络分析中的一个重要应用是异常检测。这里的任务是识别网络中行为与典型时间点截然不同的时间点，这可能是由于某些事件（如计算机网络中机器故障）或网络属性的变化所致。由于“正常”网络行为的流动性，这一问题变得更加困难。例如，网络上的流量量可以在一个月内变化，甚至根据一天中的时间而变化，而不被视为异常。使用传统网络统计量的异常检测测试在这些场景中由于密度依赖性而遇到困难：随着边数量的变化，统计量的值也会变化，从而难以确定信号的变化是由于流量量还是由于网络行为的某种根本性转变。为了更准确地检测动态网络中的异常，我们引入了密度一致性网络统计量的概念。在合成生成的图上，使用这些统计量的异常检测器在区分来自不同分布的图时，召回率提高了20-400%。当应用于几个真实数据集时，密度一致性统计量恢复了标准统计量未能发现的多个网络事件。