典型文献
基于有向网络非对等关系的异常子图识别算法
文献摘要：
图异常检测将实体间通联关系抽象为复杂网络形式表示,旨在利用结构特征识别网络中存在的异常行为与实体,具有关系客观存在且异常可解释较强的优点.目前该类方法主要以无向网络结构为基础提取特征,以达到识别异常的目的,主要关注于连边层面异常结构,对于由集体异常行为构成的异常子图识别问题研究仍较少,缺少对行为方向异常协同关系的分析.传统方法通过提取节点邻域结构特征构建特征空间,并根据节点邻域结构在特征空间中的映射点距离发现离群点,虽可发现结构具有明显差异的异常子图,但忽略了网络结构中节点的实际物理联系,以及行为由于主客体不同所导致个体间关系非对等的实际情况.针对该问题,本文提出了基于有向网络非对等关系的异常子图识别算法,通过连边方向信息提取节点间行为方向特征,度量节点间关系非对等强度,后转化为子图密度形式表示,结合基于密度的异常识别方法挖掘异常,保留了实际物理联系.通过在4种不同异常类型的合成数据集与存在实际异常的真实数据集上进行实验,验证了其具有较高的异常识别精度与鲁棒性.
文献关键词：
图异常检测;有向网络;非对等关系;异常子图
中图分类号：
作者姓名：
石灏苒;吉立新;刘树新;张奕鸣
作者机构：
中国人民解放军战略支援部队信息工程大学 郑州 中国 450001
文献出处：
引用格式：
[1]石灏苒;吉立新;刘树新;张奕鸣-.基于有向网络非对等关系的异常子图识别算法)[J].信息安全学报,2022(01):84-99
A类：
非对等关系,异常子图
B类：
有向网络,识别算法,图异常检测,通联,复杂网络,特征识别,识别网络,异常行为,客观存在,可解释,无向网,提取特征,于连,异常结构,协同关系,邻域结构,特征构建,特征空间,离群点,中节点,主客体,信息提取,等强度,基于密度,异常识别,合成数据集,真实数据,识别精度
AB值：
0.290882
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
