Buchumschlag

Unifying Unsupervised Graph-Level Anomaly Detection and Out-of-Distribution Detection: A Benchmark

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Wang, Yili, Liu, Yixin, Shen, Xu, Li, Chenyu, Ding, Kaize, Miao, Rui, Wang, Ying, Pan, Shirui, Wang, Xin
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Large Language Models for Anomaly and Out-of-Distribution Detection: A Survey
von: Xu, Ruiyao, et al.
Veröffentlicht: (2024)

Optimizing OOD Detection in Molecular Graphs: A Novel Approach with Diffusion Models
von: Shen, Xu, et al.
Veröffentlicht: (2024)

Out-of-Distribution Detection on Graphs: A Survey
von: Cai, Tingyi, et al.
Veröffentlicht: (2025)

Raising the Bar in Graph OOD Generalization: Invariant Learning Beyond Explicit Environment Modeling
von: Shen, Xu, et al.
Veröffentlicht: (2025)

GOODAT: Towards Test-time Graph Out-of-Distribution Detection
von: Wang, Luzhi, et al.
Veröffentlicht: (2024)

Explainable and Fine-Grained Safeguarding of LLM Multi-Agent Systems via Bi-Level Graph Anomaly Detection
von: Pan, Junjun, et al.
Veröffentlicht: (2025)

Beyond Generalization: A Survey of Out-Of-Distribution Adaptation on Graphs
von: Liu, Shuhan, et al.
Veröffentlicht: (2024)

A Label-Free Heterophily-Guided Approach for Unsupervised Graph Fraud Detection
von: Pan, Junjun, et al.
Veröffentlicht: (2025)

SGOOD: Substructure-enhanced Graph-Level Out-of-Distribution Detection
von: Ding, Zhihao, et al.
Veröffentlicht: (2023)

CAMERA: Adapting to Semantic Camouflage in Unsupervised Text-Attributed Graph Fraud Detection
von: Pan, Junjun, et al.
Veröffentlicht: (2026)

Towards One-for-All Anomaly Detection for Tabular Data
von: Li, Shiyuan, et al.
Veröffentlicht: (2026)

FedCIGAR: A Personalized Reconstruction Approach for Federated Graph-level Anomaly Detection
von: Zhao, Yunfeng, et al.
Veröffentlicht: (2026)

Multitask Active Learning for Graph Anomaly Detection
von: Chang, Wenjing, et al.
Veröffentlicht: (2024)

FreeGAD: A Training-Free yet Effective Approach for Graph Anomaly Detection
von: Zhao, Yunfeng, et al.
Veröffentlicht: (2025)

FANFOLD: Graph Normalizing Flows-driven Asymmetric Network for Unsupervised Graph-Level Anomaly Detection
von: Cao, Rui, et al.
Veröffentlicht: (2024)

From Few-Shot to Zero-Shot: Towards Generalist Graph Anomaly Detection
von: Liu, Yixin, et al.
Veröffentlicht: (2026)

Rethinking Feature Alignment in Generalist Graph Anomaly Detection: A Relational Fingerprint-based Approach
von: Liu, Yujing, et al.
Veröffentlicht: (2026)

Structural Entropy Guided Unsupervised Graph Out-Of-Distribution Detection
von: Hou, Yue, et al.
Veröffentlicht: (2025)

Resultant: Incremental Effectiveness on Likelihood for Unsupervised Out-of-Distribution Detection
von: Li, Yewen, et al.
Veröffentlicht: (2024)

MetaGAD: Meta Representation Adaptation for Few-Shot Graph Anomaly Detection
von: Xu, Xiongxiao, et al.
Veröffentlicht: (2023)

Rethinking Independent Cross-Entropy Loss For Graph-Structured Data
von: Miao, Rui, et al.
Veröffentlicht: (2024)

Beyond a Single Perspective: Text Anomaly Detection with Multi-View Language Representations
von: Liu, Yixin, et al.
Veröffentlicht: (2026)

A Survey of Deep Graph Learning under Distribution Shifts: from Graph Out-of-Distribution Generalization to Adaptation
von: Zhang, Kexin, et al.
Veröffentlicht: (2024)

Mamba-Based Graph Convolutional Networks: Tackling Over-smoothing with Selective State Space
von: He, Xin, et al.
Veröffentlicht: (2025)

NK-GAD: Neighbor Knowledge-Enhanced Unsupervised Graph Anomaly Detection
von: Wang, Zehao, et al.
Veröffentlicht: (2026)

HC-GLAD: Dual Hyperbolic Contrastive Learning for Unsupervised Graph-Level Anomaly Detection
von: Fu, Yali, et al.
Veröffentlicht: (2024)

GLADMamba: Unsupervised Graph-Level Anomaly Detection Powered by Selective State Space Model
von: Fu, Yali, et al.
Veröffentlicht: (2025)

BlindGuard: Safeguarding LLM-based Multi-Agent Systems under Unknown Attacks
von: Miao, Rui, et al.
Veröffentlicht: (2025)

Understanding the Information Propagation Effects of Communication Topologies in LLM-based Multi-Agent Systems
von: Shen, Xu, et al.
Veröffentlicht: (2025)

Balancing User Preferences by Social Networks: A Condition-Guided Social Recommendation Model for Mitigating Popularity Bias
von: He, Xin, et al.
Veröffentlicht: (2024)

Graph Neural Networks for Graphs with Heterophily: A Survey
von: Zheng, Xin, et al.
Veröffentlicht: (2022)

Graph Defense Diffusion Model
von: He, Xin, et al.
Veröffentlicht: (2025)

ARC: A Generalist Graph Anomaly Detector with In-Context Learning
von: Liu, Yixin, et al.
Veröffentlicht: (2024)

Diffusion-based Layer-wise Semantic Reconstruction for Unsupervised Out-of-Distribution Detection
von: Yang, Ying, et al.
Veröffentlicht: (2024)

Guarding Graph Neural Networks for Unsupervised Graph Anomaly Detection
von: Bei, Yuanchen, et al.
Veröffentlicht: (2024)

Both Topology and Text Matter: Revisiting LLM-guided Out-of-Distribution Detection on Text-attributed Graphs
von: Zhu, Yinlin, et al.
Veröffentlicht: (2026)

Detect by Yourself: Self-Designing Agentic Workflows for Few-Shot Graph Anomaly Detection
von: Huang, Tairan, et al.
Veröffentlicht: (2026)

Noise-Resilient Unsupervised Graph Representation Learning via Multi-Hop Feature Quality Estimation
von: Li, Shiyuan, et al.
Veröffentlicht: (2024)

Unsupervised Graph Modeling for Anomaly Detection in Accounting Subject Relationships
von: Wang, Yuhan, et al.
Veröffentlicht: (2026)

Unsupervised Continual Anomaly Detection with Contrastively-learned Prompt
von: Liu, Jiaqi, et al.
Veröffentlicht: (2024)