基于多角度对比学习的属性网络异常检测

来源：计算机工程与应用杂志2024年第19期北京时间：

作者：李保珍, 孔倩文, 苏雨薇

单位：南京审计大学 计算机学院，南京 211815

摘要：传统属性网络的异常检测多基于自监督对比学习，存在着异常节点类型较少、对比学习角度单一等不足。基于“节点-节点”对比和“节点-子图”对比，提出了一种多角度对比学习属性网络异常检测的ADMC（anomaly detection on attribute network by multi-angle contrastive learning）模型。主要创新工作有：在原有结构和属性异常的基础上，进一步细化为四种节点异常类型，并在属性网络中对其进行量化测度；利用“节点-节点”的节点级对比获得二重联接信息，利用“节点-子图”的跨节点级对比获得局部连接信息，并构建了二者互为补充的多角度对比学习模型。基于社交媒体及引文文献等数据集，与基于自监督对比学习（CoLA）模型相比较的实验结果表明，ADMC模型能够丰富异常数据的类型，提升属性网络异常检测的精确性。

关键词：属性网络, 异常检测, 对比学习