揭示属性网络的异常边与名义连通性
社会与信息网络
2021-04-20 v1 人工智能
信号处理
摘要
在属性网络中揭示异常近来备受关注，因其在物联网(IoT)、金融、安全等诸多数据科学与网络科学应用中揭示离群点与标记对抗行为方面十分重要。本工作利用两种优势互补且易于分布式部署因而高效的独特公式，揭示属性图中的异常边。第一种依赖将图数据矩阵分解为低秩加稀疏分量以显著提升性能。第二种拓宽第一种的范围，通过对未受扰动的图进行鲁棒恢复，从而增强异常识别性能。这些新颖方法不仅捕获连接不同社区节点的异常边，也捕获任意两个具不同特征节点间的伪连接。在真实与合成数据上的实验证实了两种方法在异常识别任务中的有效性。
引用
@article{arxiv.2104.08637,
title = {Unveiling Anomalous Edges and Nominal Connectivity of Attributed Networks},
author = {Konstantinos D. Polyzos and Costas Mavromatis and Vassilis N. Ioannidis and Georgios B. Giannakis},
journal= {arXiv preprint arXiv:2104.08637},
year = {2021}
}