【ICML2022】图神经网络异常检测的再思考

来源：专知
本文为论文，建议阅读5分钟
异常的存在将导致“右移”现象。

图神经网络(GNNs)在图异常检测中有着广泛的应用。由于谱滤波器的选择是GNN设计的关键之一，因此通过图谱分析异常是GNN设计的第一步。我们的关键观察是，异常的存在将导致“右移”现象，即频谱能量分布较少集中在低频，较多集中在高频。这一事实促使我们提出了Beta小波图神经网络(BWGNN)。事实上，BWGNN具有光谱和空间本地化带通滤波器，以更好地处理异常中的“右移”现象。在4个大规模异常检测数据集上验证了BWGNN的有效性。我们的代码和数据发布在

https://github.com/squareRoot3/Rethinking-Anomaly-Detection