融合图滤波与注意力机制的图异常检测方法OA

为缓解图神经网络异常检测中普遍存在的异配连接与特征不一致问题,本文提出了一种结合图滤波与注意力机制的图异常检测方法(flexible high-low frequency and attention neural network,FHANN)。针对异配连接问题,设计了图滤波模块,可以自适应提取高频与低频信号并融合生成节点嵌入;对于特征不一致问题,从节点特征的相似度出发,引入图注意力模块用于学习节点嵌入;最后将两模块得到的节点嵌入进行融合并用于图异常检测任务。在3个真实数据集的实验结果表明,FHANN在AUC-ROC(area under the receiver operating characteristic curve)和AUC-PR(area under the precision-recall curve)两个评估指标上平均提高了1.17%和4.25%。本文研究成果可为社交网络分析、金融欺诈检测等复杂图结构数据的异常识别任务提供方法借鉴与技术参考。