本文研究了公平图异常检测（FairGAD），旨在在确保公平性的同时检测社交媒体图中的异常节点。通过引入新的数据集和多种检测方法，分析了公平性与效用的权衡。提出了FairSAD框架和FGAD方法，显著提高了检测性能，并探讨了动态图异常检测的挑战，提出了GADY方法，展示了其在多个数据集上的优越性。

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。

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。