基于圖的異常檢測算法——概述

正在調研基于圖的異常檢測算法，先出個概述，後面再慢慢填坑

• 基于圖的異常檢測

  給定一個圖資料庫，找到其中罕見不同于其他資料對象的點/邊/子結構

  • 靜态圖的異常檢測
    • 普通靜态圖
      • 基于結構
        • 基于特征：利用圖結構來提取特征，比如節點度量、子圖中心性
        • 基于鄰近：量化圖中節點的緊密度來識别圖中結構的關聯性
      • 基于社群：定義為找到密集連接配接的近鄰組中跨社群連接配接的節點/邊
    • 屬性靜态圖
      • 基于結構：找到變形的子結構和子圖，比如連接配接性和屬性
      • 基于社群：在同一社群内找到與其他對象不同的異常值
      • 基于關系學習：将異常檢測轉化為分類問題
  • 動态圖的異常檢測：主要是時間異常模式檢測
    • 基于特征：類似的圖共享某些屬性，這些屬性就可以作為特征，度量特征之間的相似性
    • 基于分解：對時間演化圖進行矩陣或者張量分解，再選擇特征
    • 基于社群：随着時間的推移監控圖形社群或者叢集，發生結構或者上下文變化是報告異常，采用聚類或類似的方法
    • 基于視窗：将時間演化圖綁定到時間視窗，以發現輸入序列中的異常模式