扫码下载APP

您的位置

资讯详情

本人可编辑资讯

仅支持在APP编辑资讯扫描二维码即可下载APP

这所院校又添新作:基于鲁棒图神经网络的编码器,用于属性网络上的节点和边缘深度异常检测

论论资讯 | 2023-03-01 3热度

Electronics (Switzerland)

Explore content

About the journal

Publish with us

Robust Graph Neural-Network-Based Encoder for Node and Edge Deep Anomaly Detection on Attributed Networks †

Daniel G.V.; Chandrasekaran K.; Meenakshi V.; Paneer P.

Published:2023-03-01
DOI:10.3390/electronics12061501

研究背景

在社交网络中,识别异常用户是一项重要的任务。然而,当前的研究领域存在一些问题,如何将节点属性和网络结构整合到学习过程中,以及如何避免在使用聚合操作时出现误差等。这些问题影响了社交网络中异常检测的准确性和效率。因此,本文提出了一种名为AnomEn的鲁棒图神经网络,以解决这些问题。

研究内容

本文提出了一种名为AnomEn的鲁棒图神经网络,用于节点和边缘深度异常检测。该方法使用加权聚合机制来区分节点本身的特征和其邻居的特征,从而避免误差。AnomEn方法不仅是一种鲁棒的图神经网络,还包括特定的节点和边缘异常检测结构。本文在多个数据集上进行了实验验证,结果表明该方法在节点和边缘异常检测任务中的表现优于其他现有方法,节点检测任务提高了5.63%,边缘检测任务提高了7.87%。

研究意义

本文提出的AnomEn方法具有创新性和实用性,可以提高社交网络中异常检测的准确性和效率。该方法不仅解决了当前研究领域存在的问题,还在节点和边缘异常检测任务中表现出色。这为未来的研究提供了新的思路和方向,也为社交网络的安全提供了一种新的解决方案。

微信扫码即可查看