图异常检测

Graph Anomaly Detection

最近有个项目在做图异常检测相关的东西，就把相关的一些文章放在这里。

A Comprehensive Survey on Graph Anomaly Detection with Deep Learning
https://ieeexplore.ieee.org/document/9565320
图异常检测的三种目标：

1. 异常点
2. 异常边
3. 异常子图

图异常检测的三种图类型：

1. static graphs
2. dynamic graphs
3. graph databases

静态图异常检测：
主要基于graph structural information和nodes/edges’ attributes。
有三种类型的异常：

1. Global anomalies 全局异常只考虑节点属性。 它们是具有与图中所有其他节点显着不同的属性的节点。
2. Structural anomalies 结构异常只考虑图的结构信息。 它们是具有不同连接模式（例如，连接不同社区，与其他社区形成密集链接）的异常节点。
3. Community anomalies 社区异常同时考虑了节点属性和图形结构信息。 它们被定义为与同一社区中的其他节点相比具有不同属性值的节点。

Graph based anomaly detection and description: a survey
这篇文章是15年的，有点老，主要看看统计学方面。

https://github.com/FelixDJC/Awesome-Graph-Anomaly-Detection

Discovering Structural Anomalies in Graph-Based Data 里面有个cargo shipping的案例

这个看着很不错
Net-Ray: Visualizing and Mining Billion-Scale Graphs

NeurIPS 2022: BOND: Benchmarking Unsupervised Outlier Node Detection on Static Attributed Graphs
这篇一定要看下！！
能够做大型网络，但是里面的package打不开了