图形中的异常检测模式挖掘：应用于公共采购欺诈

Jun, 2023

图形中的异常检测模式挖掘：应用于公共采购欺诈

Pattern Mining for Anomaly Detection in Graphs: Application to Fraud in Public Procurement

Lucas Potin, Rosa Figueiredo, Vincent Labatut, Christine Largeron

TL;DR采用基于图的方法和 PANG 模型进行欺诈检测，能识别特定类型的模式并在公共采购数据中跟踪欺诈行为。

Abstract

In the context of public procurement, several indicators called red flags are used to estimate fraud risk. They are computed according to certain contract attributes and are therefore dependent on the proper fill

public procurement red flags fraud detection graph-based method anomaly detection

发现论文，激发创造

基于图形的异常检测和描述：一项调查

本文综述了最新的用于检测以图形表示的数据中异常值的方法和算法，包括在不同场景下的无监督和（半）监督方法，以及针对属性和普通图的静态和动态图。作者强调了异常归因的重要性，并介绍了根据检测到的异常挖掘其根本原因的技术。除此之外，作者还列举了金融、拍卖、计算机流量和社交网络等领域中基于图形的异常检测的若干真实应用，并讨论了该领域的理论和实践挑战。

Apr, 2014

多元设备网络中高效基于模式的异常检测

提出一种可扩展的方法来检测异类行为，包括从关系网络中恢复实体间的关系，基于顺序模式挖掘的异常报告，并扩展顺序模式挖掘以过滤顺序模式。该方法在 9 个基准数据集上表现出显著优势，同时还比最先进的异常检测方法快一个数量级。

May, 2023

基于拓扑模式增强的组级图异常检测：一种增强无监督方法

提出了一种用于群体级图异常检测的新的无监督框架，该框架利用图自动编码器和拓扑模式进行候选群体识别和嵌入生成，从而实现对异常群体的鉴定和定位。

Aug, 2023

基于模式的时间序列风险评分用于异常检测与警报过滤 —— 预测性维护案例研究

快速有效的基于序列模式相似性的异常检测和警报过滤方法在大规模现实世界工业系统中被应用，通过与现有基准方法进行对比，验证了其普适性和稳健性。

May, 2024

基于深度学习的图异常检测综述

本文综述了现代深度学习技术在图异常检测中的应用，编译了开放资源的实现、公共数据集和常用评估方法，重点强调了 12 个未解决和新兴的研究问题和现实世界的应用。

Jun, 2021

提高图级异常检测的标准

该论文提出一种基于自监督学习和转换学习的新型深度学习方法，显著改进了现有的深度单类方法，并在九个真实数据集上进行了实验，平均 AUC 性能提高了 11.8%。

May, 2022

使用图神经网络的图异常检测：当前状态与挑战

本篇综述介绍了基于图神经网络的图形异常检测的最新进展，将这些方法总结为基于图形类型、异常类型和网络结构，并得出这是第一个基于 GNN 的综合检测图形异常方法的综述。

Sep, 2022

SAD：动态图形半监督异常检测

本文提出了一种半监督异常检测（SAD）的框架来处理动态图数据，并将时间内存库和伪标签对比学习模块相结合，充分利用未标记样本，可以有效地发现和检测动态图数据中的异常，即使只有少量标记数据也能优于现有先进方法

May, 2023

一种半监督图注意力网络用于金融欺诈检测

本文介绍了一种利用多视图网络结构、半监督学习和分层注意力机制的图神经网络，用于在支付宝用户中进行欺诈检测，并实现比现有方法更为准确的预测，并且提供了可解释的结果。

Feb, 2020

Peregrine: 一个模式感知的图挖掘系统

本文提出了一种基于模式（Pattern）的图挖掘系统 Peregrine，该系统可以直接探索感兴趣的子图形并避免不必要的子图形探索和昂贵的计算，而且其编程模型可以处理 Graph Pattern 的语义，也能够在处理大规模图挖掘任务时保持简单易懂且表述力强。

Apr, 2020