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。