本文提出了一种新的图序列建模和分析框架，用于检测和上下文化标记、流图数据中的异常。该框架通过增加对社区结构的灵活性来推广Seshadhri等人的BTER模型，并利用该模型进行多尺度图形异常检测。具体来说，通过在更细的级别上聚合概率来构建描述粗略子图的概率模型，并使用这些紧密相关的分层模型同时检测与期望偏差。本文的方法在标记设置中的社区结构、合成数据集和现实世界数据集上，从节点、子图和图形水平准确地检测异常。
Oct, 2014
本研究使用多视图图形挖掘的方法，通过检测在多个属性上共享太多特征的实体群组来应对网络平台欺诈问题，使用新颖的可疑性度量和SliceNDice算法，实现了在实际生产环境中高效提取高度可疑实体群组的实验效果强，然而这些疑似实体有89%的正确性且能发掘出真正的欺诈案例，与传统的检测方法相比，该方法表现出了更好的性能和可扩展性.
Aug, 2019
本文介绍了基于社交网络的用户连接情况的早期检测假用户帐户的问题，以及引入了一种名为SybilEdge算法的解决方案，并展示了其对Facebook网络的高性能识别表现。
Apr, 2020
论文介绍了一种基于Mask R-CNN的视频识别系统，其可以实时检测到21点的玩家下注和卡牌，并为每个玩家创建准确的个人画像，将玩家的技能与游戏的运气分开，并可以协助赌场检测可能存在的欺诈活动和计算预期的个性化盈利。
Dec, 2020
本文提出了一种简单而高效的方法来同时检测和匹配运动员及其相关物体，无需增加额外的成本，通过对广播冰球视频数据集的评估，在冰球数据集上，所提出的方法将比赛成绩从57.1%提高至81.4%，同时还将球员 +球棍检测的meanAP从68.4%提高至88.3%。
Apr, 2021
使用偏好连结的 k 类分类器算法 (PreAttacK) 来检测社交网络中的虚假账户，并对其行为进行详细分析，从而实现对新用户的虚假账户检测并获得可证明的性能保证。
Aug, 2023
GraphGuard是一个无需训练数据的方法，通过使用具有电离辐射特性的数据进行成员推断，提高成员和非成员数据分布的可区分性，从而在不依赖原始数据的情况下检测并通过有针对性的遗忘来减轻图数据滥用的影响。
Dec, 2023
本研究系统地回顾了现有的图神经网络模型，重点关注解决实际场景中的不平衡、噪声、隐私和超出分布情景的四大挑战，同时提出了未来的研究方向和展望。
Mar, 2024
我们提出了一种基于d-MAE的领域引导蒙版策略，用于运动模糊环境下的球员标识，结合一个新的时空网络，通过预处理和关键帧融合技术，在三个大规模体育数据集上取得了显著的性能提升。
本研究解决了预测用户在游戏回合中消费倾向的难题，从而为增值服务和个性化展示提供支持。我们提出了一种新型架构，旨在捕捉输入特征之间丰富的交互关系，并在这一任务中显著优于现有模型，提升MAE达2.5%，MSE达21.8%。
Sep, 2024