公开(公告)号：CN113627479B

公开(公告)日：2024-02-20

申请号：CN202110775393.3

申请日：2021-07-09

Applicant: 中国科学院信息工程研究所

Inventor： 论志成 ,  古晓艳 ,  樊海慧 ,  李波 ,  王伟平

IPC: G06V10/774 ,  G06V10/764 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/0895

Abstract: 本发明公开了一种基于半监督学习的图数据异常检测方法。本方法为：1)数据分批采样模块将图数据样本进行分批，然后对于每一批图数据样本，以每一图数据样本中的每个边为目标边，依据设定采样跳数h以及每跳所要选取的边数Si对该目标边的邻居进行采样，得到该目标边的h阶邻域信息；2)利用边卷积神经网络依次对每一阶邻域信息加权求和，实现对目标边的邻域信息融合；重构该目标边并计算重构误差；若该目标边的重构误差超过设定阈值，则判定该目标边为异常；3)基于重构误差设计异常检测模型的损失函数，并利用步骤2)处理后的结果对图数据样本的边进行标注后训练异常检测模型；4)利用训练后的异常检测模型对待检测的图数据进行检测。

公开(公告)号：CN113627479A

公开(公告)日：2021-11-09

申请号：CN202110775393.3

申请日：2021-07-09

Applicant: 中国科学院信息工程研究所

Inventor： 论志成 ,  古晓艳 ,  樊海慧 ,  李波 ,  王伟平

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于半监督学习的图数据异常检测方法。本方法为：1)数据分批采样模块将图数据样本进行分批，然后对于每一批图数据样本，以每一图数据样本中的每个边为目标边，依据设定采样跳数h以及每跳所要选取的边数Si对该目标边的邻居进行采样，得到该目标边的h阶邻域信息；2)利用边卷积神经网络依次对每一阶邻域信息加权求和，实现对目标边的邻域信息融合；重构该目标边并计算重构误差；若该目标边的重构误差超过设定阈值，则判定该目标边为异常；3)基于重构误差设计异常检测模型的损失函数，并利用步骤2)处理后的结果对图数据样本的边进行标注后训练异常检测模型；4)利用训练后的异常检测模型对待检测的图数据进行检测。