保护图神经网络的无监督图异常检测

原文约500字，阅读约需1分钟。发表于：。

本文提出了一个简单而有效的框架 G3AD，它引入了两个辅助网络和相关性约束来保护 GNN 免受不一致信息编码的影响。此外，G3AD 还引入了一个自适应缓存模块，以防止 GNN 仅重构包含异常的观察数据。大量实验证明，我们提出的 G3AD 在合成数据集和实际数据集上均能优于 17 个最先进的方法。

该研究提出了一种基于动态图的无监督生成式异常检测方法（GADY），用于检测行为明显偏离图和时间信息内观察到的规范的实体。实验证明，GADY在三个现实世界数据集上明显优于先前的方法。