一种具有结构感知的组群鉴别图异常的检测方法技术

本发明专利技术为一种具有结构感知的组群鉴别图异常的检测方法。一种具有结构感知的组群鉴别图异常的检测方法，包括：(1)基于图的特征矩阵X生成正组的特征矩阵X

【技术实现步骤摘要】
一种具有结构感知的组群鉴别图异常的检测方法


[0001]本专利技术具体涉及一种具有结构感知的组群鉴别图异常的检测方法。

技术介绍

[0002]图异常检测在多媒体安全和数据挖掘领域受到了越来越多的关注，在欺诈检测、垃圾邮件欺诈和食品安全检测等安全相关的应用中有重要的影响。结构异常是图异常检测中普遍存在的问题，用于描述节点间存在异常的拓扑关系，如图1所示。在子图(a)中，节点3与节点1的联系被丢失导致了图结构的不完整。在子图(b)中，节点3与节点5的联系被错误添加，导致了错误的图结构。
[0003]不完整连接因为缺失了应有的节点间联系而导致了异常节点的存在，错误连接因为增加了不应有的节点间联系而导致了异常节点的存在。研究表明，图神经网络(GNNs)的性能会由不易察觉的结构异常导致大幅度波动，不充分的结构感知将影响异常检测的性能，因此，建立健壮的结构感知机制以捕获GNNs中复杂的结构信息具有重要意义。
[0004]自监督对比学习以其出色的性能表现被广泛应用于图异常检测，它通过不同的方式构建正负实例对，最大化正实例对之间的相似性和最小化本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种具有结构感知的组群鉴别图异常的检测方法，其特征在于，包括以下步骤：(1)基于图的特征矩阵X生成正组的特征矩阵X
Al
；(2)采用结构扰动机制，基于所述的X
Al
生成负组的特征矩阵X
Cl
，并基于所述的图的邻接矩阵A生成邻接矩阵A
l
；(3)将所述的A
l
分别结合X
Al
与X
Cl
输入到Encoder
‑
Readout模块进行特征提取，并获得正负组节点的异常值s
i
；(4)通过鉴别s
i
的方式完成异常检测。2.根据权利要求1所述的检测方法，其特征在于，所述的步骤(1)中，对图中的特征矩阵X进行特征增强得到正组特征X
Al
的操作为：随机对节点的预定比例k个特征属性进行mask。3.根据权利要求2所述的检测方法，其特征在于，所述的步骤(1)中，k为0.2。4.根据权利要求1所述的检测方法，其特征在于，所述的步骤(2)中，基于所述的图的邻接矩阵A生成邻接矩阵A
l
的操作为：对原始邻接矩阵A执行随机添加边的扰动方式生成邻接矩阵A
l
，通过随机选择a个节点并使其完全连接，重复这个过程b次的方式向A中添加边，使结构扰动节点总数为k＝a*b的方式拟合真实数据中的不完整连接。5.根据权利要求1所述的检测方法，其特征在于，所述的步骤(3)中，Encoder
‑
Readout模块是提取正负组群的特征并转化为节点标量信息，用于组群鉴别...

【专利技术属性】
技术研发人员：吕小毅，左恩光，陈晨，陈程，闫俊依，严紫薇，
申请(专利权)人：新疆大学，
类型：发明
国别省市：