Core Concepts
グラフ異常検知のためのグラフニューラルネットワークを保護し、異常検知性能を向上させる。
Abstract
本論文は、グラフ異常検知のためのグラフニューラルネットワーク(GNN)を保護する新しい枠組みG3ADを提案している。
まず、GNNがグラフ内の矛盾した情報をエンコーディングするのを防ぐため、2つの補助エンコーダーと相関制約を導入する。
次に、GNNが異常グラフを直接再構築するのを防ぐため、適応的キャッシュモジュールを導入する。
これらの保護戦略と、属性再構築、トポロジー再構築、グローバル整合性アラインメントの3つの異常検知タスクを組み合わせることで、G3ADは未知の異常を効果的に検知できる。
実験の結果、G3ADは17の最先端手法を大きく上回る性能を示した。
Stats
異常ノードの属性ベクトルと再構築された属性ベクトルの2乗誤差
隣接行列と再構築された隣接行列の2乗誤差
ノード表現とグラフ要約ベクトルの距離の対数
Quotes
"グラフ異常検知は、グラフ内の稀な模様を無ラベルで特定することが重要である。"
"GNNは近傍の情報を集約することで効果的な表現を学習できるが、グラフ異常によってこの前提が損なわれる可能性がある。"
"異常の種類が未知の状況下で、GNNの影響を軽減しつつ正常パターンを効果的に捉えることが重要である。"