DCOR：基于双对比学习重构的属性网络异常检测
人工智能
2025-01-22 v2
摘要
基于网络的方法进行异常检测是识别各种应用领域中异常事件（如欺诈、安全违规和系统故障）的最有效方法之一。虽然大多数早期工作关注图结构数据的复杂性和预定义异常，但往往忽略数据属性和新兴异常的影响。本文介绍了 DCOR，这是一种针对属性网络的新方法，将重构基于的异常检测与对比学习相结合。利用图神经网络（GNN）框架，DCOR 对来自原始图和增强图的重构邻接矩阵和特征矩阵进行对比，以检测细微异常。我们通过标准评估指标对其进行了全面的基准数据集实验。结果表明，DCOR 在已有最先进方法上显著优于。获得的结果表明，所提出的方法在属性网络中具有有效性，潜在在发现异常新模式方面具有意义。
引用
@article{arxiv.2412.16788,
title = {DCOR: Anomaly Detection in Attributed Networks via Dual Contrastive Learning Reconstruction},
author = {Hossein Rafieizadeh and Hadi Zare and Mohsen Ghassemi Parsa and Hadi Davardoust and Meshkat Shariat Bagheri},
journal= {arXiv preprint arXiv:2412.16788},
year = {2025}
}
备注
Accepted at the Thirteenth International Conference on Complex Networks and Their Applications