Copertina

How to Use Graph Data in the Wild to Help Graph Anomaly Detection?

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Cao, Yuxuan, Xu, Jiarong, Zhao, Chen, Wang, Jiaan, Yang, Carl, Wang, Chunping, Yang, Yang
Natura:	Preprint
Pubblicazione:	2025
Soggetti:	Machine Learning
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

Unveiling Privacy Vulnerabilities: Investigating the Role of Structure in Graph Data
di: Yuan, Hanyang, et al.
Pubblicazione: (2024)

Can Graph Neural Networks Expose Training Data Properties? An Efficient Risk Assessment Approach
di: Yuan, Hanyang, et al.
Pubblicazione: (2024)

Universal Prompt Tuning for Graph Neural Networks
di: Fang, Taoran, et al.
Pubblicazione: (2022)

Can Modifying Data Address Graph Domain Adaptation?
di: Huang, Renhong, et al.
Pubblicazione: (2024)

A Generalizable Anomaly Detection Method in Dynamic Graphs
di: Yang, Xiao, et al.
Pubblicazione: (2024)

GAD-NR: Graph Anomaly Detection via Neighborhood Reconstruction
di: Roy, Amit, et al.
Pubblicazione: (2023)

Balanced Edge Pruning for Graph Anomaly Detection with Noisy Labels
di: Wang, Zhu, et al.
Pubblicazione: (2024)

GRAM: An Interpretable Approach for Graph Anomaly Detection using Gradient Attention Maps
di: Yang, Yifei, et al.
Pubblicazione: (2023)

DDGAD: Trajectory Dynamics for Diffusion-Based Graph Anomaly Detection
di: Yang, Yuxin, et al.
Pubblicazione: (2026)

KAA: Kolmogorov-Arnold Attention for Enhancing Attentive Graph Neural Networks
di: Fang, Taoran, et al.
Pubblicazione: (2025)

GAD in the Wild: Benchmarking Graph Anomaly Detection under Realistic Deployment Challenges
di: Zhou, Jingjing, et al.
Pubblicazione: (2026)

UMGAD: Unsupervised Multiplex Graph Anomaly Detection
di: Li, Xiang, et al.
Pubblicazione: (2024)

A Methodological Report on Anomaly Detection on Dynamic Knowledge Graphs
di: Lu, Xiaohua, et al.
Pubblicazione: (2024)

Transferable Delay-Aware Reinforcement Learning via Implicit Causal Graph Modeling
di: Zhao, Chenran, et al.
Pubblicazione: (2026)

A Problem-Oriented Taxonomy of Evaluation Metrics for Time Series Anomaly Detection
di: Yang, Kaixiang, et al.
Pubblicazione: (2025)

Graph Evidential Learning for Anomaly Detection
di: Wei, Chunyu, et al.
Pubblicazione: (2025)

DP-DGAD: A Generalist Dynamic Graph Anomaly Detector with Dynamic Prototypes
di: Zheng, Jialun, et al.
Pubblicazione: (2025)

Stochastic Voronoi Ensembles for Anomaly Detection
di: Cao, Yang, et al.
Pubblicazione: (2026)

Revisiting Graph Contrastive Learning on Anomaly Detection: A Structural Imbalance Perspective
di: Xu, Yiming, et al.
Pubblicazione: (2025)

Generalist Graph Anomaly Detection via Prototype-Based Distillation
di: Xu, Yiming, et al.
Pubblicazione: (2026)

GraphSOS: Graph Sampling and Order Selection to Help LLMs Understand Graphs Better
di: Chu, Xu, et al.
Pubblicazione: (2025)

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

GLADformer: A Mixed Perspective for Graph-level Anomaly Detection
di: Xu, Fan, et al.
Pubblicazione: (2024)

Rethinking Contrastive Learning in Graph Anomaly Detection: A Clean-View Perspective
di: Jin, Di, et al.
Pubblicazione: (2025)

TA-GGAD: Testing-time Adaptive Graph Model for Generalist Graph Anomaly Detection
di: Zhang, Xiong, et al.
Pubblicazione: (2026)

Unifying Unsupervised Graph-Level Anomaly Detection and Out-of-Distribution Detection: A Benchmark
di: Wang, Yili, et al.
Pubblicazione: (2024)

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

Rayleigh Quotient Graph Neural Networks for Graph-level Anomaly Detection
di: Dong, Xiangyu, et al.
Pubblicazione: (2023)

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

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

Graph ODEs and Beyond: A Comprehensive Survey on Integrating Differential Equations with Graph Neural Networks
di: Liu, Zewen, et al.
Pubblicazione: (2025)

Beyond Window-Based Detection: A Graph-Centric Framework for Discrete Log Anomaly Detection
di: Qi, Jiaxing, et al.
Pubblicazione: (2025)

Counterfactual Data Augmentation with Denoising Diffusion for Graph Anomaly Detection
di: Xiao, Chunjing, et al.
Pubblicazione: (2024)

Graph Pre-Training Models Are Strong Anomaly Detectors
di: Cheng, Jiashun, et al.
Pubblicazione: (2024)

Anomaly Detection in Graph Structured Data: A Survey
di: Lamichhane, Prabin B, et al.
Pubblicazione: (2024)

KnowGraph: Knowledge-Enabled Anomaly Detection via Logical Reasoning on Graph Data
di: Zhou, Andy, et al.
Pubblicazione: (2024)

Towards Token-Level Text Anomaly Detection
di: Cao, Yang, et al.
Pubblicazione: (2026)

TAS-GNN: A Status-Aware Signed Graph Neural Network for Anomaly Detection in Bitcoin Trust Systems
di: Xue, Chang, et al.
Pubblicazione: (2026)

Weakly Supervised Anomaly Detection via Knowledge-Data Alignment
di: Zhao, Haihong, et al.
Pubblicazione: (2024)

Reconciling Attribute and Structural Anomalies for Improved Graph Anomaly Detection
di: Xiao, Chunjing, et al.
Pubblicazione: (2025)