面向图的异常检测研究综述
作者:
作者单位:

作者简介:

李忠(1987-),男,博士生,工程师,主要研究领域为社交网络计算,网络异常检测,知识图谱.
靳小龙(1976-),男,博士,研究员,博士生导师,CCF高级会员,主要研究领域为知识图谱,社会计算,大数据.
庄传志(1985-),男,博士生,工程师,CCF学生会员,主要研究领域为自然语言处理,知识图谱.
孙智(1985-),男,博士生,主要研究领域为图异常检测,知识图谱.

通讯作者:

靳小龙,E-mail:jinxiaolong@ict.ac.cn

基金项目:

国家重点研发计划(2016QY02D0404);国家自然科学基金(U1911401,61772501,U1836206,91646120)


Overview on Graph Based Anomaly Detection
Author:
Affiliation:

Fund Project:

National Key Research and Development Program of China (2016QY02D0404); National Natural Science Foundation of China (U1911401, 61772501, U1836206, 91646120)

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
    摘要:

    近年来,随着Web 2.0的普及,使用图挖掘技术进行异常检测受到人们越来越多的关注.图异常检测在欺诈检测、入侵检测、虚假投票、僵尸粉丝分析等领域发挥着重要作用.在广泛调研国内外大量文献以及最新科研成果的基础上,按照数据表示形式将面向图的异常检测划分成静态图上的异常检测与动态图上的异常检测两大类,进一步按照异常类型将静态图上的异常分为孤立个体异常和群组异常检测两种类别,动态图上的异常分为孤立个体异常、群体异常以及事件异常这3种类型.对每一类异常检测方法当前的研究进展加以介绍,对每种异常检测算法的基本思想、优缺点进行分析、对比,总结面向图的异常检测的关键技术、常用框架、应用领域、常用数据集以及性能评估方法,并对未来可能的发展趋势进行展望.

    Abstract:

    In recent years, with the popularization of Web 2.0, people pay more and more attentions to the graph anomaly detection. The graph anomaly detection plays an increasingly vital role in the field of fraud detection, intrusion detection, false voting, and zombie fan analysis. This paper presents a survey on existing approaches to address this problem and reviews the recent developed techniques to detect graph anomalies. The graph-oriented anomaly detection is divided into two types, the anomaly detection on static graph and the anomaly detection on dynamic graph. Existing work on static graph anomaly detection have identified two types of anomalies:One is individual anomaly that refers to the abnormal behaviors of individual entity, the other is group anomaly that occurs due to unusual patterns of groups. The anomaly on dynamic graph can be divided into three types:Isolated individual anomaly, group anomaly, and event anomaly. This paper introduces the current research progress of each kind of anomaly detection methods, and summarizes the key technologies, common frameworks, application fields, common data sets, and performance evaluation methods of graph-oriented anomaly detection. Finally, future research directions on graph anomaly detection are discussed.

    参考文献
    相似文献
    引证文献
引用本文

李忠,靳小龙,庄传志,孙智.面向图的异常检测研究综述.软件学报,2021,32(1):167-193

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
历史
  • 收稿日期:2019-07-01
  • 最后修改日期:2020-04-11
  • 录用日期:
  • 在线发布日期: 2020-07-27
您是第位访问者
版权所有:中国科学院软件研究所 京ICP备05046678号-3
地址:北京市海淀区中关村南四街4号,邮政编码:100190
电话:010-62562563 传真:010-62562533 Email:jos@iscas.ac.cn
技术支持:北京勤云科技发展有限公司

京公网安备 11040202500063号