大型带标签多图数据库中的异常检测
数据库
2022-05-03 v2 人工智能
机器学习
摘要
在一个包含具有带标签节点和有向多边的图的大型数据库 G 中，我们如何检测异常图？大多数现有工作是针对普通（无标签）和/或简单（无权重）图设计的。我们提出 CODETECT，这是首个解决具有此类复杂性质的图数据库异常检测任务的方法。为此，它识别出一组小的代表性结构模式集合 S（即节点标记的网络模体），以尽可能简洁地无损压缩数据库 G。压缩效果不好的图被标记为异常。CODETECT 展示了两个新颖的构建模块：（i）基于模体的无损图编码方案，以及（ii）用于 S 的快速内存高效搜索算法。我们在来自三家不同公司的交易图数据库上展示了 CODETECT 的有效性，在针对不同异常类型和性能指标时，为此任务调整后的现有基线方法均显著落后。
引用
@article{arxiv.2010.03600,
title = {Anomaly Detection in Large Labeled Multi-Graph Databases},
author = {Hung T. Nguyen and Pierre J. Liang and Leman Akoglu},
journal= {arXiv preprint arXiv:2010.03600},
year = {2022}
}
备注
24 pages