一种少样本场景下的图异常检测方法

一种少样本场景下的图异常检测方法，首先通过节点与邻接子图及所在社区的多粒度亲合度判断任务挖掘通用异常知识，捕捉局部结构不一致性以及识别社区偏离特征，构建多样化异常先验知识库；然后将下游异常检测任务重构为节点与全局表征的亲和度判断任务，基于下游应用场景的少样本标签进行提示微调实现任务适配，通过可学习投影矩阵对节点特征进行动态重加权和空间映射，实现细粒度特征优化，使异常特征在低维空间中与正常节点显著区分。本发明通过多任务协同学习和参数调优策略，解决现有方法在少样本场景下泛化能力弱、异配性图适配困难的问题。本发明能够有效处理少样本图数据中的异常检测问题，显著提升检测性能，具有更强的适应性和扩展性。