- 题目:Few-shot Network Anomaly Detection via Cross-network Meta-learning
- 源码:https://github.com/kaize0409/Meta-GDN_AnomalyDetection
- 时间:2021.02
- 链接:https://arxiv.org/pdf/2102.11165.pdf
- 机构:亚利桑那州立大学
- 会议:WWW(CCF-A)🔥
- 摘要:本文提出了一种新的图神经网络系列:图偏差网络(GDN),它可以利用少量标记的异常来加强网络中异常节点和正常节点之间统计上的显著偏差;为所提出的GDN配置一种新的跨网络元学习算法,通过从多个辅助网络传输元知识来实现少镜头网络异常检测。广泛的评估证明了所提出的方法在少量或甚至一次网络异常检测的有效性。
- 其他:相当重要的一篇文章,和博主的研究方向完全契合,所以这篇论文博主首先用几张ppt做一个简单的总结,随后会做比较详细的翻译工作。
总结
下图很清晰地展示了这篇文章的两个动机以及这篇文章的两个研究点,首先提出一个图偏差网络(G