1.一种基于一致性的图异常检测方法，其特征在于，包括如下步骤：
2.如权利要求1所述基于邻域一致性的图异常检测方法，其特征在于，步骤s110包括：处理用户输入，得到一个图数据g＝(v，e)，其中v＝{v1，v2，…，vn}表示节点集合，表示边集合，n＝|v|表示节点数量，根据每个用户的属性特征，定义一个节点属性矩阵用a∈{0，1}n×n表示邻接矩阵。
3.如权利要求1所述基于邻域一致性的图异常检测方法，其特征在于，步骤s120包括：将图经过三个独立的编码器，其中节点特征经过一次多层感知机，得到节点特征在低维空间的表征ha；节点结构经过一次多层感知机，得到节点结构在低维空间的表征hr；节点特征和节点结构经过一次图注意力神经网络，得到节点特征和节点结构的耦合信息在低维空间的表征hc。
4.如权利要求1所述基于邻域一致性的图异常检测方法，其特征在于，步骤s130包括：使用自适应模块，融合节点特征信息ha和耦合信息hc得到一致性增强的节点特征信息za；融合节点结构信息hr和耦合信息hc得到一致性增强的节点结构信息zt。耦合模块权重imp表示两个待聚合向量h(1)和h(2)各个维度的权重，公式如下：
5.如权利要求1所述基于邻域一致性的图异常检测方法，其特征在于，步骤s140包括：一致性增强的节点特征信息za经过图神经网络层还原得到拟合原始特征，差值作为特征损失lattr，公式如下：
6.如权利要求1所述基于邻域一致性的图异常检测方法，其特征在于，步骤s150包括：在联合训练的基础上，增加了三种嵌入的协方差约束，使得三种任务指导下的嵌入含有不同的信息，解耦信息，这里采用了协方差作为信息耦合程度的度量函数，以一致性增强的节点特征信息za和耦合信息hc的协方差约束为例，协方差值计算如下：
7.如权利要求1所述基于邻域一致性的图异常检测方法，其特征在于，步骤s160包括：将原始图输入最终训练完成后的模型，从节点vi还原部分得到异常分数，公式如下：
8.基于邻域一致性的图异常检测装置，其特征在于，包括存储器和一个或多个处理器，所述存储器中存储有可执行代码，所述一个或多个处理器执行所述可执行代码时，用于实现权利要求1-7中任一项所述的基于邻域一致性的图异常检测方法。
9.一种计算机可读存储介质，其特征在于，其上存储有程序，该程序被处理器执行时，实现权利要求1-7中任一项所述的基于邻域一致性的图异常检测方法。