DDGAD: Rilevamento di Anomalie nei Grafi Basato su Diffusione Utilizzando Dinamiche di Traiettoria
Uno studio recente pubblicato su arXiv (2605.26446) presenta DDGAD, un nuovo framework che utilizza la diffusione per rilevare anomalie nei grafi. Questo approccio sfrutta le dinamiche di traiettoria per distinguere tra nodi normali e anomali, affrontando efficacemente il problema della propagazione della contaminazione nei metodi basati su GCN. In questo framework, i nodi normali mantengono traiettorie consistenti attraverso la regolarizzazione della diffusione e il consenso di vicinato basato sull'affidabilità, mentre i nodi anomali mostrano dinamiche erratiche. Le potenziali applicazioni di questa ricerca includono la gestione del rischio finanziario, l'analisi delle reti sociali e le misure di cybersicurezza.
Fatti principali
- DDGAD è un framework per il rilevamento di anomalie nei grafi basato su diffusione.
- Sfrutta le dinamiche di traiettoria per distinguere nodi normali e anomali.
- I nodi normali mostrano traiettorie di rappresentazione consistenti e stabili.
- I nodi anomali mostrano dinamiche instabili e conflittuali.
- Il metodo affronta la propagazione della contaminazione nei metodi basati su GCN.
- Le applicazioni includono il controllo del rischio finanziario, l'analisi delle reti sociali e la cybersicurezza.
- L'articolo è disponibile su arXiv con ID 2605.26446.
- L'approccio utilizza la regolarizzazione della diffusione e il consenso di vicinato basato sull'affidabilità.
Entità
Istituzioni
- arXiv