计算机应用研究

作者：富坤,刘琪,禚佳明,李佳宁,郭云朋,

单位：1.河北工业大学人工智能与数据科学学院,天津300401；2.河北省大数据计算重点实验室,天津300401；

关键词：异常检测,节点演化,链路预测,网络简化,复杂网络,

基金：国家自然科学基金资助项目(62072154)；；

目前，大部分基于链路预测对社会网络进行异常检测的研究中，缺乏对异常节点演化影响的分析，且受社会网络规模以及复杂度的限制，检测效率普遍不高。针对上述问题，提出了一种基于空间尺度粗粒化和异常节点加权机制的异常检测方法。首先利用凝聚型社区发现算法Louvain对社会网络进行粗粒化得到简化网络，然后在简化网络的演化过程中识别有异常演化行为的节点，并将其异常演化过程量化，引入异常节点加权机制到链路预测方法中进行异常检测。在真实社会网络数据集VAST、Email-EU（dept1和dept2）以及Enron上，与基于LinkEvent的不同调整策略算法和NESO_ED方法进行对比。结果表明，该方法可以兼顾异常检测的稳定性和敏感性，能够更合理地描述网络演化过程，得到更好的异常检测效果。

来源：2022年第7期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2022年第7期