GeneralDyG – 南洋理工推出的通用動態(tài)圖異常檢測方法

GeneralDyG是什么

GeneralDyG 是南洋理工大學的研究團隊研發(fā)的一種通用動態(tài)圖異常檢測技術，專注于解決社交網(wǎng)絡、電商及網(wǎng)絡安全等領域內的動態(tài)圖數(shù)據(jù)異常檢測難題。該方法結合時間 ego-graph 采樣、圖神經網(wǎng)絡特征提取和時間感知 Transformer 模塊，有效應對數(shù)據(jù)分布多樣性、動態(tài)特征捕捉的困難及高計算成本等挑戰(zhàn)。實驗結果表明，GeneralDyG 在多個真實數(shù)據(jù)集上的表現(xiàn)顯著優(yōu)于現(xiàn)有的多種主流檢測方法，展現(xiàn)出卓越的普適性和檢測能力。

GeneralDyG的主要功能

• 適應多樣的數(shù)據(jù)分布：通過提取節(jié)點、邊及其拓撲結構的關鍵信息，GeneralDyG 能夠靈活應對不同數(shù)據(jù)集的復雜特征。
• 捕捉動態(tài)特征：該技術結合全局時間動態(tài)與局部結構變化，深入建模動態(tài)圖中的多尺度動態(tài)模式。
• 高效的計算框架：構建了一種輕量化框架，能夠高效捕獲關鍵動態(tài)特征，顯著提升計算效率。
• 時間 ego-graph 采樣：通過構建緊湊的子圖結構，有效應對大規(guī)模動態(tài)圖數(shù)據(jù)帶來的計算壓力。
• 融合結構與時間特征：利用時間感知 Transformer 模塊整合時間序列與結構特征，確保異常檢測的準確性。

GeneralDyG的技術原理

• 時間 ego-graph 采樣模塊：該模塊通過構建緊湊的子圖結構來有效應對大規(guī)模動態(tài)圖數(shù)據(jù)帶來的計算壓力。基于中心，采用 k-hop 算法提取周圍的交互歷史，形成時間 ego-graph。此算法考慮了間的時間順序與拓撲關系，確保采樣過程兼顧時間動態(tài)與結構特性，并引入特殊標記以區(qū)分不同層次的交互信息，幫助 Transformer 模塊更好地學習時間序列中的層級動態(tài)。
• 圖神經網(wǎng)絡提取模塊：基于時間 ego-graph，設計了一種新型的圖神經網(wǎng)絡（TensGNN）以提取豐富的結構信息。TensGNN 通過交替應用節(jié)點層與邊層來實現(xiàn)特征信息的傳播與更新，從而在節(jié)點特征與邊特征之間建立強關聯(lián)。節(jié)點層利用鄰接矩陣與特定拉普拉斯矩陣進行卷積運算，同時結合邊的特征來更新節(jié)點表示。邊層則基于邊的鄰接關系與節(jié)點的狀態(tài)更新邊的特征。
• 時間感知 Transformer 模塊：該模塊整合時間序列和結構特征，在自注意力機制中，模型基于 Query 和 Key 編碼圖的拓撲結構信息，將 Value 保留為原始特征，從而確保異常檢測的準確性。通過這一模塊，模型能夠有效捕獲動態(tài)圖中全局時間依賴性和局部動態(tài)變化，實現(xiàn)對復雜異常模式的精準建模。

GeneralDyG的項目地址

• Github倉庫：https://github.com/YXNTU/GeneralDyG
• arXiv技術論文：https://arxiv.org/pdf/2412.16447

GeneralDyG的應用場景

• 社交網(wǎng)絡：GeneralDyG 可用于檢測社交網(wǎng)絡中的異常行為，例如垃圾信息傳播與虛假賬戶識別。通過分析用戶間的互動關系及其隨時間的演變，能夠有效識別偏離正常社交模式的異常行為。
• 電子商務：在電商環(huán)境中，GeneralDyG 可用于識別欺詐易。通過分析用戶的交易行為及商品之間的關聯(lián)，能夠發(fā)現(xiàn)異常交易模式，幫助電商平臺提升交易安全性及可靠性。
• 網(wǎng)絡安全：在網(wǎng)絡安全領域，GeneralDyG 可用于檢測網(wǎng)絡入侵和異常流量。通過分析網(wǎng)絡中的數(shù)據(jù)包傳輸與節(jié)點間的連接關系，能夠及時識別潛在的安全威脅，增強網(wǎng)絡系統(tǒng)的安全性。
• 金融系統(tǒng)：在金融領域，GeneralDyG 可用于檢測金融欺詐和異常交易行為。通過分析金融交易網(wǎng)絡中的資金流動及賬戶關系，能夠識別出異常的金融活動，幫助金融機構有效防范風險。