[發明專利]基于密度估計的網絡節點深度異常檢測方法

在審

• 申請號: 202210651604.7
• 申請日: 2022-06-10
• 公開（公告）號: CN114970736A
• 公開（公告）日: 2022-08-30
• 發明（設計）人: 尹美娟;段順然;劉粉林;焦隆隆;于嵐嵐
• 申請（專利權）人: 中國人民解放軍戰略支援部隊信息工程大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06N3/08
• 代理公司: 鄭州大通專利商標代理有限公司 41111
• 代理人: 周艷巧

本發明屬于通信網絡檢測技術領域，特別涉及一種基于密度估計的網絡節點深度異常檢測方法，獲取屬性網絡中節點屬性矩陣和結構矩陣，并將屬性矩陣和結構矩陣作為圖卷積神經網絡輸入，利用圖卷積神經網絡獲取屬性網絡中節點結構信息和屬性信息的聯合嵌入向量；利用聯合嵌入向量分別對圖卷積神經網絡輸入的節點屬性矩陣和結構矩陣進行重構，并獲取節點重構誤差；針對聯合嵌入向量和節點重構誤差，利用概率分布模型來檢測屬性網絡中的節點異常。本發明基于重構誤差檢測異常節點的思想，分別針對屬性網絡的結構信息和屬性信息進行重構，并基于節點的重構誤差和自身的嵌入向量，利用密度估計來實現異常節點檢測，具有較好的魯棒性，便于實際場景應用。

技術領域

本發明屬于通信網絡檢測技術領域，特別涉及一種基于密度估計的網絡節點深度異常檢測方法。

背景技術

從學術網絡到社交網絡，從蛋白質相互作用網絡到醫療健康系統，屬性網絡廣泛存在于現實世界中的各個領域。簡單網絡只能呈現節點之間的相互依賴關系，屬性網絡不僅刻畫了節點之間的依賴關系，節點本身也往往包含了豐富的特征信息。例如，在學術網絡中，屬性網絡不僅能夠反映學者之間合作關系，而且能夠刻畫各個學者自身的研究方向、著作數量以及被引用情況等信息；在社交網絡中，屬性網絡能夠同時刻畫用戶之間的朋友關系或通信關系以及用戶本身的特征信息，例如用戶的興趣點、發文情況、點贊情況等。節點自身包含的信息對網絡數據上的知識挖掘具有重要作用。網絡數據上的異常檢測是網絡科學的一個熱點問題，在現實生活中具有廣泛的應用場景，例如網絡空間安全中的入侵檢測、社交網絡上的異常賬號檢測、金融領域方面的欺詐檢測等。在實際的異常檢測過程中，不僅要考慮網絡節點之間的相互依賴關系，還要考慮節點自身的特征信息，如何有效處理這種多模態信息是屬性網絡上異常檢測的關鍵所在。屬性網絡對于包含不同模態信息的數據建模具有強大優勢，因此，近年來涌現出了很多針對屬性網絡數據進行異常檢測的方法，屬性網絡上異常節點可表述為節點模式顯著偏離于其他大多數節點的節點，節點模式的異常主要體現在兩個方面：一是節點周邊的連接結構異常；二是節點自身的屬性異常。

根據檢測異常時考慮的信息的不同，現有的異常檢測方法可以分為三類：一是基于節點自身特征的異常檢測，二是基于自我中心網絡或社區劃分的異常檢測，三是基于網絡嵌入的異常檢測。基于節點自身特征的異常檢測方法需要選擇出能夠準確找出異常節點的關鍵特征，而后利用統計學方法進行異常檢測。基于自我中心網絡或社區劃分的異常檢測方法，對于每一個節點，用特定函數模型刻畫出該節點的某方面特征和自我中心網絡或相同社區的其他節點特征之間的依賴關系，若節點對應的依賴關系函數明顯偏離于其他大多數節點對應的依賴關系函數，則將其視為異常節點。基于網絡嵌入的異常檢測方法，首先需要利用特定的網絡嵌入方法將網絡節點嵌入到低維向量空間，每個節點對應于低維向量空間中的一個點，并稱其為節點的嵌入向量，而后基于節點的嵌入向量進行異常檢測，常見的做法包括利用密度估計進行異常檢測、基于重構誤差進行異常檢測等。

盡管現有方法在特定條件下都取得了較好的效果，但在處理屬性網絡數據時仍面臨以下挑戰：(1)數據稀疏性。數據的稀疏性主要由兩方面原因導致：一是數據本身的稀疏性，例如社交網絡研究中著名的“鄧巴數”顯示，“一般情況下，人類個體最多可以與150個其他人保持穩定的社交關系”，因此隨著社交網絡規模的擴大，必然導致社交網絡越來越稀疏；二是獲取數據不完全，由于隱私保護以及數據獲取的成本，難以保證獲取特定網絡的全部數據。前兩類方法對數據具有高度依賴，稀疏的網絡數據會對前兩類異常檢測方法帶來較大的挑戰。 (2)復雜的模態交互。屬性網絡中節點之間的連接關系以及節點的特征信息往往來源于不同的信息源，而這些信息又不是相互獨立的，即節點自身的特征信息和節點周邊的拓撲結構在一定程度上是相互影響的，如何刻畫不同信息之間的交互關系并將其整合到同一特征空間，是處理屬性網絡的難點。(3)結構異常和屬性異常混雜。在真實情況下，結構異常和屬性異常往往不是等價的，結構異常的節點屬性特征并不一定異常，反之亦然，如果能夠針對屬性異常和結構異常分別進行檢測，這樣不僅能夠細化異常的分類，且對于結構異常的節點，能夠降低屬性特征對異常判定的干擾，對于屬性異常的節點，能夠降低結構特征對異常判定的干擾。

發明內容