一种基于高阶结构自监督学习的图异常检测方法和系统

本发明公开了一种基于高阶结构自监督学习的图异常检测方法及系统，属于异常检测技术领域。具体包括：从待检测图的节点中选取目标节点，并基于目标节点进行采样，得到目标节点的子图；同时利用模体计数算法获得目标节点的节点模体矩阵；通过自编码器对节点模体矩阵进行重构，并得到待检测图模体层次的节点异常得分；通过目标节点的节点‑子图对比学习及子图属性重构，获取待检测图节点在子图层次上的特征异常得分；结合模体层次的节点异常得分与子图层次上的特征异常得分，识别图中的异常节点。本发明针对图结构数据中高阶结构特点设计多视角自监督学习任务，有效提升了高阶信息的利用效率，提高了异常检测的准确性。