基于图神经网络的动态网络异常检测算法

• 作者: 张岩 李荣华 王国仁 郭嘉琰
• 来源期刊: 软件学报
• 学科: 工学
• 关键词: 动态网络异常检测 图神经网络 图深度学习
• 年，卷（期）: 2020,（3）
• 页码范围: 748-762
• 页数: 15页
• 分类号: TP18
• 字数: 12480字
• 语种: 中文
• DOI: 10.13328/j.cnki.jos.005903

摘要

动态变化的图数据在现实应用中广泛存在,有效地对动态网络异常数据进行挖掘,具有重要的科学价值和实践意义.大多数传统的动态网络异常检测算法主要关注于网络结构的异常,而忽视了节点和边的属性以及网络变化的作用.提出一种基于图神经网络的异常检测算法,将图结构、属性以及动态变化的信息引入模型中,来学习进行异常检测的表示向量.具体地,改进图上无监督的图神经网络框架DGI,提出一种面向动态网络无监督表示学习算法Dynamic-DGI.该方法能够同时提取网络本身的异常特性以及网络变化的异常特性,用于表示向量的学习.实验结果表明,使用该算法学得的网络表示向量进行异常检测,得到的结果优于最新的子图异常检测算法SpotLight,并且显著优于传统的网络表示学习算法.除了能够提升异常检测的准确度,该算法也能够挖掘网络中存在的有实际意义的异常.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张岩	北京大学信息科学技术学院	155	1896	24.0	39.0
2	王国仁	北京理工大学计算机学院	18	29	3.0	5.0
3	李荣华	北京理工大学计算机学院	2	0	0.0	0.0
4	郭嘉琰	北京大学信息科学技术学院	1	0	0.0	0.0