图分解网络异常检测

对抗攻击下鲁棒

通过特征分解约束异常节点的异配性并强化正常节点的同配性，该网络在结构分布变化下显著提升图异常检测的准确率和鲁棒性。

Yuan, Gao · Jinghan, Li · Wang, Xiang · 何向南 · 封化民 · 张勇东

IEEE Transactions on Knowledge and Data Engineering 2024

参数信息

数据集数量

4

技术优势

攻击下更稳定

通过约束异常特征抵抗异配性影响，使模型在训练集和测试集结构分布差异大时仍能有效检测。

异常检测更准

四个基准数据集上均取得显著优于现有方法的性能。

应用场景

• 社交网络欺诈检测：检测异常用户与欺诈行为
• 金融交易异常检测：识别异常交易模式
• 图数据异常检测：在图中发现异常节点