基于双管齐下方法的动态图快速精确异常检测
社会与信息网络
2020-11-30 v1 人工智能
摘要
给定动态图流，我们如何检测异常模式的突然出现，例如链接垃圾、粉丝刷量或拒绝服务攻击？此外，我们能否对实践中出现的异常类型进行分类，并从理论上分析每类异常所产生的异常迹象？本工作中，我们提出AnomRank，一种用于动态图异常检测的在线算法。AnomRank采用双管齐下方法，定义两个用于异常性的新颖度量。每个度量跟踪其各自版本的“节点分数”（或节点重要性）函数的导数，这使我们能够检测任意节点重要性的突变。我们从理论与实验上表明，该双管齐下方法成功检测两类常见异常：边上权重的突变，以及图结构的突变。AnomRank具有：（a）快速且精确：比最先进方法快至多49.5倍或精确35%；（b）可扩展：与输入图的边数呈线性关系，在普通笔记本/台式机上2秒内处理数百万条边；（c）理论可靠：为双管齐下方法提供理论保证。
引用
@article{arxiv.2011.13085,
title = {Fast and Accurate Anomaly Detection in Dynamic Graphs with a Two-Pronged Approach},
author = {Minji Yoon and Bryan Hooi and Kijung Shin and Christos Faloutsos},
journal= {arXiv preprint arXiv:2011.13085},
year = {2020}
}