一种基于时间-结构注意力和变分图自编码器的动态图异常检测方法

本发明提供一种基于时间‑结构注意力和变分图自编码器的动态图异常检测方法，属于图数据挖掘领域。随着动态图数据在社交网络、金融服务及网络安全等领域的应用愈加广泛，动态图异常检测引起了越来越多的关注。由于动态图的拓扑结构持续变化带来的动态性和复杂性，现有动态图异常检测方法在时间特征建模、时空特征依赖关系抽取方面存在一定局限，导致模型难以充分捕捉动态图中结构与时间的交互信息。为此，本发明提出了一种结合时间‑结构注意力图嵌入与变分图自编码器的动态图异常检测方法TSAVGA。该方法使用时间‑结构注意力机制层次化地提取动态图的短期时空特征，并使用基于GCN‑GRU增强的变分图自编码器建模动态图的长期时空依赖关系。同时，本发明设计了基于谱聚类异常注入的策略，以增强训练数据异常的多样性。在六个真实数据集上的实验结果表明，本发明所提出方法的AUC值较现有最先进方法平均提高了1％～5％；并且在异常比例变化时仍能够保持稳定的异常检测性能，验证了本发明方法的稳定性与准确性。