[论文解读] Hop-Count Based Self-Supervised Anomaly Detection on Attributed Networks

Tianjin Huang, Yulong Pei+2 more|arXiv (Cornell University)|Apr 16, 2021

Complex Network Analysis Techniques参考文献 54被引用 4

一句话总结

该论文提出HCM，一种用于属性网络的自监督图异常检测模型，通过最短路径距离（跳数）预测，同时利用局部和全局结构上下文。通过训练基于GCN的模型来预测节点对之间的最短路径距离（跳数），并采用SGLD进行贝叶斯推断，HCM通过识别与邻居跳数异常大的节点，实现了优于最先进方法的异常检测性能，且在真实世界数据集上表现优异。

ABSTRACT

Recent years have witnessed an upsurge of interest in the problem of anomaly detection on attributed networks due to its importance in both research and practice. Although various approaches have been proposed to solve this problem, two major limitations exist: (1) unsupervised approaches usually work much less efficiently due to the lack of supervisory signal, and (2) existing anomaly detection methods only use local contextual information to detect anomalous nodes, e.g., one- or two-hop information, but ignore the global contextual information. Since anomalous nodes differ from normal nodes in structures and attributes, it is intuitive that the distance between anomalous nodes and their neighbors should be larger than that between normal nodes and their neighbors if we remove the edges connecting anomalous and normal nodes. Thus, hop counts based on both global and local contextual information can be served as the indicators of anomaly. Motivated by this intuition, we propose a hop-count based model (HCM) to detect anomalies by modeling both local and global contextual information. To make better use of hop counts for anomaly identification, we propose to use hop counts prediction as a self-supervised task. We design two anomaly scores based on the hop counts prediction via HCM model to identify anomalies. Besides, we employ Bayesian learning to train HCM model for capturing uncertainty in learned parameters and avoiding overfitting. Extensive experiments on real-world attributed networks demonstrate that our proposed model is effective in anomaly detection.

研究动机与目标

• 解决现有无监督异常检测方法在属性网络上的局限性，这些方法通常仅依赖局部邻域信息且缺乏监督信号。
• 通过引入基于预测最短路径距离（跳数）的自监督学习任务，克服纯无监督方法性能不佳的问题。
• 整合局部与全局结构上下文，以捕捉异常节点相对于正常邻居在结构上更远的直观概念，从而提升异常检测性能。
• 利用贝叶斯学习结合随机梯度朗之万动力学（SGLD）来建模不确定性，并在缺乏真实标签的情况下防止过拟合。
• 基于预测的跳数开发新型异常评分，以有效区分异常节点与正常节点。

提出的方法

• 设计一种自监督学习任务，使模型预测图中节点对之间的最短路径长度（跳数）。
• 使用图卷积网络（GCN）学习编码局部与全局结构信息的节点表示。
• 通过源自自监督任务的对比学习目标，训练模型预测节点对之间的跳数。
• 引入两种异常评分：一种基于对邻居的平均预测跳数（S_AHP），另一种基于最大偏差（SHAV），以检测结构异常和属性异常。
• 通过随机梯度朗之万动力学（SGLD）实现贝叶斯学习以优化模型，支持不确定性估计并提升泛化能力。
• 通过可控的丢弃率R，随机丢弃低相似度边来预处理图，以增强模型对噪声的鲁棒性并提升异常检测性能。

实验结果

研究问题

• RQ1 基于跳数预测的自监督学习任务是否能有效捕捉属性网络中异常检测的局部与全局结构上下文？
• RQ2 在仅考虑直接邻域之外引入全局结构上下文，如何提升对结构异常和基于属性异常的检测能力？
• RQ3 在缺乏标注异常的情况下，SGLD的贝叶斯学习在多大程度上增强了模型的鲁棒性与泛化能力？
• RQ4 HCM模型的性能对关键超参数（如丢弃率、跳数类别数和采样率）的敏感性如何？
• RQ5 基于预测跳数的异常评分机制是否在检测多种异常类型方面优于现有方法？

主要发现

• HCM在真实世界属性网络（包括ACM、BlogCatalog和Flickr）上始终优于最先进无监督异常检测方法。
• 与标准SGD相比，采用SGLD进行贝叶斯优化可带来更优且更稳定的异常检测性能，训练过程中AUC-ROC曲线更高且更平稳。
• 在BlogCatalog和Flickr上，仅移除少量低相似度边（丢弃率R ≈ 0.2–0.3）即可提升检测性能，表明降噪有助于提升模型泛化能力。
• 增加跳数类别数C可提升性能，尤其在Flickr和BlogCatalog上表现显著，证实了全局结构上下文的价值。
• 采样率S对性能影响极小，表明模型对训练批次大小和数据采样变化具有鲁棒性。
• 基于预测跳数生成的异常评分S_AHP与SHAV能有效识别结构异常和基于属性的异常，该结论在小样本示例和真实世界实验中均得到验证。