基于图神经网络的社交网络用户画像异常检测
机器学习
2025-03-26 v1
摘要
本研究提出一种基于图神经网络(GNNs)的社交网络用户画像风险定价异常检测方法，旨在提高在社交网络环境中识别异常用户的能力。鉴于传统方法在社交网络数据建模方面的局限性，本文将图自编码器(GAEs)和图注意力网络(GATs)结合，通过动态聚合邻居特征和重构误差评估实现对异常用户的精准检测。实验采用Facebook页面-页面网络数据集，并与VAE、GNN、Transformer和GAE进行比较。结果表明，所提方法在AUC、F1分数、精确率和召回率上均取得最佳性能，验证了其有效性。此外，本文探讨了该模型在大规模数据下的计算效率，并期望未来结合自监督学习、联邦学习等技术，以提高风险评估的鲁棒性和隐私保护。研究结果为金融风险控制、社会安全管理等领域提供了高效的异常检测解决方案。
引用
@article{arxiv.2503.19380,
title = {Social Network User Profiling for Anomaly Detection Based on Graph Neural Networks},
author = {Yiwei Zhang},
journal= {arXiv preprint arXiv:2503.19380},
year = {2025}
}