图片

异常分析是一项广泛而重要的研究任务，已经被研究了几十年。与此同时，深度学习在解决许多基于图的任务方面表现出了其能力，如节点分类、链接预测和图分类。近年来，许多研究通过扩展图学习模型来解决异常分析问题，使得基于图的异常分析技术取得了一些有益的进展。本文对用于异常分析任务的图学习方法进行了全面的概述。根据模型架构将它们分为四类，即图卷积网络(GCN)、图注意力网络(GAT)、图自编码器(GAE)和其他图学习模型。系统地比较了这些方法之间的差异。概述了现实世界中跨不同领域的几个基于图的异常分析应用。最后，讨论了这一快速发展领域未来可能的5个研究方向。

论文链接：https://arxiv.org/pdf/2212.05532.pdf

内容中包含的图片若涉及版权问题，请及时与我们联系删除