-
题名属性网络中基于变分图自编码器的异常节点检测方法
被引量:11
- 1
-
-
作者
李忠
靳小龙
王亚杰
孟令宾
庄传志
孙智
-
机构
中国科学院计算技术研究所网络数据科学与技术重点实验室
中国科学院大学计算机与控制学院
-
出处
《模式识别与人工智能》
CSCD
北大核心
2022年第1期17-25,共9页
-
基金
国家重点研发计划项目(No.2016QY02D0404)
国家自然科学基金项目(No.U1911401,61772501,U1836206,91646120)资助。
-
文摘
图神经网络为属性网络数据挖掘提供融合利用结构信息和属性信息的方法,但是在现阶段基于图自动编码器进行无监督属性网络异常节点检测时,常将正常节点子属性插值形成的节点误识别为异常节点,导致方法的假负率较高.针对上述问题,文中提出基于变分图自编码器的异常节点检测方法.模型包含两个编码器和一个解码器,利用一个编码器和一个解码器构成的变分自编码器模型,重建原始输入数据,再利用解码器和第二个编码器,使模型学习到不包含异常节点数据的网络隐层表达.通过双变分自编码器学习正常节点子特征,并利用重建误差作为节点的异常度量,将由正常节点子特征构成的正常节点判别为正常节点.在真实网络数据集上的实验表明,文中方法能有效进行属性网络异常节点检测.
-
关键词
异常节点检测
属性网络
变分自编码器
重建误差
无监督异常检测方法
-
Keywords
Anomaly Node Detection
Attribute Network
Variational Auto-encoder
Reconstruction Error
Unsupervised Anomaly Detection Method
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-