-
题名面向图的异常检测研究综述
被引量：16
- 1
-
-
作者
李忠
靳小龙
庄传志
孙智
-
机构
网络数据科学与技术重点实验室(中国科学院计算技术研究所)
中国科学院大学计算机与控制学院
-
出处
《软件学报》
EI
CSCD
北大核心
2021年第1期167-193,共27页
-
基金
国家重点研发计划(2016QY02D0404)
国家自然科学基金(U1911401,61772501,U1836206,91646120)。
-
文摘
近年来,随着Web 2.0的普及,使用图挖掘技术进行异常检测受到人们越来越多的关注.图异常检测在欺诈检测、入侵检测、虚假投票、僵尸粉丝分析等领域发挥着重要作用.在广泛调研国内外大量文献以及最新科研成果的基础上,按照数据表示形式将面向图的异常检测划分成静态图上的异常检测与动态图上的异常检测两大类,进一步按照异常类型将静态图上的异常分为孤立个体异常和群组异常检测两种类别,动态图上的异常分为孤立个体异常、群体异常以及事件异常这3种类型.对每一类异常检测方法当前的研究进展加以介绍,对每种异常检测算法的基本思想、优缺点进行分析、对比,总结面向图的异常检测的关键技术、常用框架、应用领域、常用数据集以及性能评估方法,并对未来可能的发展趋势进行展望.
-
关键词
图异常检测
图数据挖掘
数据挖掘
-
Keywords
graph anomaly detection
graph data mining
data mining
-
分类号
TP393
[自动化与计算机技术—计算机应用技术]
-
-
题名基于深度强化学习的异常学术引用检测
- 2
-
-
作者
王晓菲
朱焱
-
机构
西南交通大学计算机与人工智能学院
-
出处
《计算机工程与设计》
北大核心
2024年第7期2166-2172,共7页
-
基金
四川省科技计划基金项目(2019YFSY0032)。
-
文摘
现有高效识别异常引用的算法存在无法充分利用已知的标签信息或伪标签导致训练过程恶化等问题。为此提出一种融合深度强化学习和图神经网络技术的异常检测方法RACD。异常检测智能体可有效提取作者节点的异常引用特征;异常感知环境建模驱动智能体充分学习已标注数据中的异常特点,发现未标注数据中的潜在异常。通过智能体与环境的不断交互,获得最优的引用异常检测策略。在真实数据集上进行实验,其结果表明,该方法可有效检测异常学术引用。
-
关键词
图异常检测
异常学术引用
深度强化学习
图神经网络
图注意力网络
图嵌入
学术社交网络
-
Keywords
graph anomaly detection
abnormal academic citations
deep reinforcement learning
graph neural network
graph attention network
graph embedding
academic social network
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于局部扩展社区发现的学术异常引用群体检测
- 3
-
-
作者
林欣蕊
王晓菲
朱焱
-
机构
西南交通大学计算机与人工智能学院
-
出处
《计算机应用》
CSCD
北大核心
2024年第6期1855-1861,共7页
-
基金
四川省科技计划项目(2019YFSY0032)。
-
文摘
学术社交网络中的某些学者可能组成异常引用群体,相互之间过度引用彼此的文章以谋取利益。现有的异常群体检测算法大多将社区检测与节点表示学习分离,导致最终异常群体检测性能受限。为此,提出一种基于局部扩展社区发现的异常引用群体检测(GADL)算法。所提算法利用论文研究领域、标题内容等语义信息提取作者异常引用特征;定义基于节点转移相似度、节点社区隶属度、引用异常度和广度优先遍历(BFS)深度的扩展度量函数;结合异常社区发现和异常节点检测,在统一框架下对二者联合优化,可获得最优的异常检测性能。在ACM、DBLP1和DBLP2数据集上,相较于ALP算法,所提算法分别提高了6.07%、5.35%和3.38%。在真实数据集上的实验结果表明,所提算法可有效地检测异常学术引用。
-
关键词
学术社交网络
图异常检测
学术异常引用
图神经网络
局部扩展社区发现
-
Keywords
academic social network
graph anomaly detection
academic anomaly citation
Graph Neural Network(GNN)
local extended community detection
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
-
题名基于超球面对偶学习的双通道图异常检测方法
- 4
-
-
作者
李青
钟将
倪航
-
机构
西北工业大学计算机学院
重庆大学计算机学院
-
出处
《电子学报》
EI
CAS
CSCD
北大核心
2024年第7期2212-2218,共7页
-
基金
国家自然科学基金(No.62102316,No.62171382)
中央高校基本科研业务费资助项目(No.G2021KY05114)
+1 种基金
“十四五”共用信息系统装备预先研究项目(No.315197202)
航空科学基金(No.20200051053002)~~。
-
文摘
图异常检测作为一项重要的数据挖掘任务,专注于识别与大多数节点显著偏离的异常节点.随着无监督图神经网络技术的进步,现已开发出了基于密度估计、对抗生成网络等多种高效识别图数据中潜在异常的方法 .然而,这些方法更注重无监督图异常检测生成高质量的表征,而往往忽略了图异常的特性.因此,本文提出了一个双通道异构图异常检测模型(Dual-channel Heterogeneous Graph Anomaly Detection,HD-GAD).其模型基础架构包括双通道的图神经网络:全局子结构感知的图神经网络和局部子结构感知的图神经网络,用于图异常检测捕获全局和局部子结构属性.同时,基于对偶推断引入了多超球体学习目标(Multi-Hypersphere Learning,MHL),从宏观和介观超球体角度,分别测量在整个图/社区结构中偏离的异常节点. HD-GAD模型利用相似度函数EmbSim优化训练目标,以缓解多超球面学习中的模型坍问题.最后,在五种不同的数据集上进行了全面的实验.其AUC(Area Under Curve)值在大多数情况下均超过了0.9,达到了行业领先水平,进一步证明了HD-GAD模型在图异常检测任务上的高效性与性能优势.
-
关键词
图异常检测
图神经网络
超球面学习
双通道图神经网络
无监督学习
对偶学习
-
Keywords
graph anomaly detection
graph neural network
hypersphere learning
dual-channel graph neural net⁃work
unsupervised learning
dual learning
-
分类号
TP311.1
[自动化与计算机技术—计算机软件与理论]
-
-
题名高阶结构增强的跨视图无负样本对比的图异常检测算法
- 5
-
-
作者
金虎
胡婧韬
王思为
祝恩
罗磊
段景灿
-
机构
国防科技大学计算机学院
军事科学院智能博弈与决策实验室
-
出处
《计算机科学与探索》
CSCD
北大核心
2024年第10期2678-2689,共12页
-
基金
国家重点研发计划(2020AAA0107100)
国家自然科学基金(62276271,61872377)。
-
文摘
图异常检测在网络安全、金融评估和医疗保健等多个领域都有广泛的实际应用。近年来,基于对比学习和基于生成重构的图异常检测算法框架取得了显著的性能提升。然而,大多数基于图神经网络的范式忽略了一个内在的缺点,即可能会无意识地将异常节点与其邻域正常节点聚合在一起。此外,现有的检测算法缺乏对高阶结构信息的关注,导致正常节点与异常节点之间的判别性下降。为了改善以上缺点,提出了一种高阶结构增强的跨视图无负样本对比的图异常检测算法(CNCL-GAD)。与现有的单视图对比范式不同,提出了以高阶结构信息作为增强视图,通过多视图对比学习方法为图异常检测任务(GAD)引入更多、更丰富的判别信息。为了缓解图异常检测任务中正常样本与异常样本类别不平衡导致的对比负样本对大多数是同一类别的现象,提出了跨视图无负样本对比策略,即只将两个视图之间的正样本子图对拉近。将视图内节点-子图对比模块、属性重构模块和跨视图子图-子图对比模块联合训练,以获得更好的检测性能。在现有的公开数据集上进行了大量实验,与其他竞争算法相比,所提出的算法实现了有竞争力甚至更优越的性能。
-
关键词
无负样本对比
图异常检测
高阶结构
-
Keywords
negative-free contrastive
graph anomaly detection
high-order structure
-
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
-
-
题名图异常检测在金融反欺诈中的应用研究进展
被引量：5
- 6
-
-
作者
刘华玲
刘雅欣
许珺怡
陈尚辉
乔梁
-
机构
上海对外经贸大学统计与信息学院
-
出处
《计算机工程与应用》
CSCD
北大核心
2022年第22期41-53,共13页
-
基金
上海哲学社会科学规划课题(2018BJB023)。
-
文摘
随着数字金融的快速发展,欺诈呈现出智能化、产业化以及强隐蔽性等新特点,传统的专家规则和机器学习方法局限性日益显现。图异常检测技术对关联信息具有强大的处理能力,为金融反欺诈提供了新的思路。简要介绍了图异常检测的发展历程和优势;着重从个体反欺诈和群体反欺诈两个视角,将图异常检测划分为基于特征、基于邻近性、基于图表示学习和基于社区划分的个体欺诈检测,以及基于稠密子图、基于稠密子张量和基于深层网络结构的团伙欺诈检测,并对每类技术的基本思想、优缺点、研究进展和典型应用进行对比分析;同时归纳总结了常用的数据集和评价指标,并给出图异常检测在金融反欺诈中的发展前景和研究方向。
-
关键词
金融反欺诈
图异常检测
数字化金融服务
-
Keywords
financial anti-fraud
graph anomaly detections
digital financial service
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于半局部结构的异常连边识别算法
被引量：1
- 7
-
-
作者
石灏苒
吉立新
刘树新
王庚润
-
机构
信息工程大学
国家数字交换系统工程技术研究中心
-
出处
《网络与信息安全学报》
2022年第1期63-72,共10页
-
基金
国家自然科学基金(61803384)。
-
文摘
随着网络科学领域研究的进展,所涉及的真实网络类型愈加广泛。复杂系统中存在的冗余错误关系,或出于异常目的刻意发生的行为,如网页错误点击、电信网刺探呼叫等,都对基于网络结构的分析工作造成了重大影响。复杂网络异常连边识别作为图异常检测重要分支,旨在识别网络结构中由于人为制造或数据收集错误所产生的异常连边。现有方法主要从结构相似性角度出发,利用节点间连通结构评估连边异常程度,易导致网络结构分解,且检测精度受网络类型影响较大。针对这一问题,提出了一种CNSCL算法,在半局部结构尺度下计算节点重要性,分析不同类型局部结构,在不同结构中根据半局部中心性量化连边对网络整体连通性贡献,结合节点结构相似性差异量化连边可信程度。由于计算过程中需去掉连边以衡量对网络整体连通性影响,存在节点重要性需重复计算问题。因此在计算过程中,所提算法还设计了一种动态更新方法以降低算法计算复杂度,降低了算法计算复杂度,使其可推广应用至大规模网络。在7种具有不同结构紧密程度的真实网络上与现有方法进行对比,实验结果表明,在AUC衡量标准下,该方法较基准方法具有更高的检测精度,且在网络稀疏或缺失条件下,仍能保持较为稳定的识别精度。
-
关键词
复杂网络
图异常检测
异常连边识别
鲁棒性
-
Keywords
complex network
graph-based anomaly detection
abnormal link detection
robustness
-
分类号
TP393
[自动化与计算机技术—计算机应用技术]
-
-
题名基于有向网络非对等关系的异常子图识别算法
- 8
-
-
作者
石灏苒
吉立新
刘树新
张奕鸣
-
机构
中国人民解放军战略支援部队信息工程大学
-
出处
《信息安全学报》
CSCD
2022年第1期84-99,共16页
-
基金
国家自然科学基金(No.61803384)资助。
-
文摘
图异常检测将实体间通联关系抽象为复杂网络形式表示,旨在利用结构特征识别网络中存在的异常行为与实体,具有关系客观存在且异常可解释较强的优点。目前该类方法主要以无向网络结构为基础提取特征,以达到识别异常的目的,主要关注于连边层面异常结构,对于由集体异常行为构成的异常子图识别问题研究仍较少,缺少对行为方向异常协同关系的分析。传统方法通过提取节点邻域结构特征构建特征空间,并根据节点邻域结构在特征空间中的映射点距离发现离群点,虽可发现结构具有明显差异的异常子图,但忽略了网络结构中节点的实际物理联系,以及行为由于主客体不同所导致个体间关系非对等的实际情况。针对该问题,本文提出了基于有向网络非对等关系的异常子图识别算法,通过连边方向信息提取节点间行为方向特征,度量节点间关系非对等强度,后转化为子图密度形式表示,结合基于密度的异常识别方法挖掘异常,保留了实际物理联系。通过在4种不同异常类型的合成数据集与存在实际异常的真实数据集上进行实验,验证了其具有较高的异常识别精度与鲁棒性。
-
关键词
图异常检测
有向网络
非对等关系
异常子图
-
Keywords
graph anomaly detection
directed network
non-peer relationship
abnormal subgraph
-
分类号
TP393
[自动化与计算机技术—计算机应用技术]
-
-
题名图异常检测在反金融欺诈中的应用
- 9
-
-
作者
温晋英
李翔宇
宋津旭
王莹
-
机构
天津市滨海新区公安局网安支队
天津市滨海新区公安局科技信通处
-
出处
《信息与电脑》
2016年第9期36-37,共2页
-
文摘
近年来,各种各样的金融欺诈手段层出不穷,造成的损失也越来越大,如何能快速、有效、准确地识别金融欺诈行为成为人们普遍关注的问题。笔者从金融欺诈的几种场景出发,分析了金融欺诈的行为特征,进而提出了应用图异常检测技术进行金融欺诈检测,为金融欺诈检测工作提供了参考。
-
关键词
图异常检测
金融欺诈
交易欺诈
-
分类号
TP399
[自动化与计算机技术—计算机应用技术]
-
-
题名基于异常感知的变分图自编码器的图级异常检测算法
- 10
-
-
作者
林馥
李明康
罗学雄
张书豪
张越
王梓桐
-
机构
武汉大学计算机学院
麦考瑞大学计算机学院
武汉大学网络安全学院
-
出处
《计算机研究与发展》
EI
CSCD
北大核心
2024年第8期1968-1981,共14页
-
文摘
图异常检测在识别复杂数据结构的异常模式中具有重要作用,被广泛地应用于有害分子识别、金融欺诈检测、社交网络分析等领域.但目前的图异常检测研究大多数聚焦在节点级别的异常检测,针对图级别的异常检测方法仍然较少,且这些方法并不能对异常图数据进行充分挖掘,且对异常标签比较敏感,无法有效地捕捉异常样本的特征,存在模型泛化能力差、性能翻转问题,异常检测能力有待提升.提出了一种基于异常感知的变分图自编码器的图级异常检测算法(anomaly-aware variational graph autoencoder based graph-level anomaly detection algorithm,VGAE-D),利用具有异常感知能力的变分图自编码器提取正常图和异常图数据的特征,并差异化正常图和异常图在编码空间中的编码信息分布,对图编码信息进一步挖掘来计算图的异常得分.在不同领域的8个公开数据集上进行实验,实验结果表明,提出的图级别异常检测方法能有效地对不同数据集中的异常图进行识别,异常检测性能高于目前主流的图级别异常方法,且具有少异常样本学习能力,较大程度上克服了性能翻转问题.
-
关键词
图级别异常检测
图神经网络
变分图自编码器
图表示学习
少样本学习
-
Keywords
graph-level anomaly detection
graph neural networks
variational graph autoencoder
graph representation learning
few-shot learning
-
分类号
TP183
[自动化与计算机技术—控制理论与控制工程]
-
