通用自适应图异常检测算法

高频滤波抗伪装

采用增强高频滤波器和k近邻/k远邻聚合,突破了图神经网络在异常检测中的低频限制和节点伪装问题。

73467903 · 73467905 · 宋春瑶 · 袁晓洁

Information Processing and Management 2025

参数信息

AUC-PR提升幅度
6 %
AUC-PR平均提升
2 %

技术优势

高频滤波

采用增强的高频滤波器克服GNN的低通特性,保留节点间的差异性,防止异常信息被平滑掉。

抗伪装

同时聚合k近邻和k远邻信息,即使异常节点在特征和结构上模仿正常节点,也能通过远邻关系暴露其异常。

平均提升2%

跨多个数据集和基准方法的稳定提升,AUC-PR平均提高2%,证明方法具有通用性。

应用场景