Обнаружение аномалий в графах с помощью графовых нейронных сетей: современное состояние и проблемы

Графы широко используются для моделирования сложных систем, а обнаружение аномалий в графах является важной задачей при анализе сложных систем. Аномалии в графах представляют собой закономерности, не соответствующие нормальным закономерностям, ожидаемым в атрибутах и/или структуре графа. В последние годы графовые нейронные сети (GNN) активно исследуются и успешно применяются для решения сложных задач машинного обучения, включая классификацию узлов, предсказание связей и классификацию графов, благодаря высокой выразительной способности эффективно обучать представления графов с помощью передачи сообщений. Для решения задачи обнаружения аномалий в графах методы на основе GNN используют информацию об атрибутах (или признаках) и/или структуре графа, чтобы обучаться присваивать аномалиям соответствующие оценки. В этом обзоре рассматриваются современные достижения в обнаружении аномалий в графах с использованием моделей GNN. В частности, методы на основе GNN систематизируются по типу графа (то есть статические и динамические), типу аномалии (то есть узел, ребро, подграф и граф в целом) и архитектуре сети (например, графовый автоэнкодер и графовая сверточная сеть). Насколько нам известно, этот обзор является первым всеобъемлющим обзором методов обнаружения аномалий в графах на основе GNN.