研究提出通用图级异常检测方法GenGLAD

Junjun Pan等作者提出通用图级异常检测方法GenGLAD，用单一统一模型跨多个领域检测异常图，目标数据仅需极少监督。该方法以基于图神经网络的判别性子图提取为核心，学习可迁移的异常知识；测试时通过子图与多级上下文的多维差异刻画异常，并用轻量评分模块自动选择最有信息量的信号。 作者称，实验显示GenGLAD在多个基准数据集上的性能、泛化能力和数据效率均优于现有方法。论文已被NIPS26接收。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。