基于双曲自监督对比学习的网络异常检测

属性网络上的异常检测近来在诸多研究领域受到越来越多的关注，如控制论异常检测和金融欺诈检测。随着深度学习在图表示上的广泛应用，现有方法选择以欧氏图编码器作为骨干，这可能丢失重要的层次信息，尤其在复杂网络中。为应对该问题，我们提出一种利用双曲自监督对比学习的高效异常检测框架。具体而言，我们首先通过子图采样进行数据增强。然后我们通过指数映射和对数映射利用双曲空间中的层次信息，并通过判别过程从负样本对中分数减去正样本对分数获得异常分数。最后，在四个真实世界数据集上的大量实验表明，我们的方法优于代表性基线方法。