软件学报

作者：吴江豪，段亮，岳昆，李昂生，杨培忠

单位：吴江豪，云南省智能系统与计算重点实验室(云南大学), 云南 昆明 650500;云南大学 信息学院, 云南 昆明 65050011,段亮，云南省智能系统与计算重点实验室(云南大学), 云南 昆明 650500;云南大学 信息学院, 云南 昆明 65050002,岳昆，云南省智能系统与计算重点实验室(云南大学), 云南 昆明 650500;云南大学 信息学院, 云南 昆明 65050003,李昂生，北京航空航天大学 计算机学院, 北京 10019104,杨培忠，云南省智能系统与计算重点实验室(云南大学), 云南 昆明 650500;云南大学 信息学院, 云南 昆明 65050005

关键词：属性图;异常检测;结构信息论;编码树;结构熵;层次社区结构

基金：国家自然科学基金区域创新发展联合基金重点项目(U23A20298); 云南省智能系统与计算重点实验室项目(202405AV340009)

属性图越来越多地用于描述带有关联关系的数据, 其异常检测日益受到关注. 由于属性图具有属性信息丰富、结构信息复杂等特点, 存在全局、结构和社区等多种类型的异常, 且异常特性往往隐藏于图的深度结构信息中, 现有方法仍存在结构信息丢失、异常节点检测困难等问题. 结构信息论使用编码树表示数据中的层次关系、通过最小化结构熵生成不同层次之间的关联, 可有效度量图中所蕴含的实质结构, 研究基于结构熵的属性图异常检测方法. 首先, 综合考虑属性图的结构和属性信息, 通过最小化图的结构熵, 构造属性图的K维编码树, 以描述其中的层次社区结构. 然后, 充分利用编码树中的节点属性和层次社区信息, 基于节点间的欧氏距离和连接程度, 设计结构异常和属性异常的评分机制, 从而确定属性图中的异常节点、检测多种类型的异常. 在多个属性图数据集上对所提方法进行对比测试, 实验结果表明, 所提方法能有效检测属性图的各类异常且显著优于现有方法.

来源：2025年第11期

《软件学报》期刊编辑部

查看软件学报杂志2025年第11期