AnomalyGFM

AnomalyGFM：用于零样本/少样本异常检测的图基础模型

研究人员推出AnomalyGFM，这是一种新颖的图基础模型，专为零样本和少样本异常检测而设计。该模型通过学习通用知识来捕捉不同图数据集中的罕见和不规则异常模式，从而解决了现有通用图模型的局限性。AnomalyGFM通过预训练，将与数据无关、可学习的正常和异常类别原型与节点表示残差对齐，将节点信息投影到统一的特征空间中，以实现一致的异常度量。在11个GAD数据集上的实验表明，它在零样本和少样本设置下均显著优于最先进的方法。