本研究提出了一种高效的异构图异常检测模型EAGLE，通过学习异常节点与正常节点在局部上下文距离上的差异，实验结果表明其在三种异构网络数据集上优于现有方法。

本研究提出了TDNetGen框架，解决了复杂网络复原能力预测的挑战。实验结果显示，该方法在三种网络数据集上实现了高达85%-95%的预测精度，并在低数据环境中展现出显著的增强能力。