그래프 이상 탐지 연구는 다양한 도메인에서 많은 관심을 받고 있고, 최근에는 그래프 신경망(GNNs) 기반의 접근 방법들이 크고 복잡한 그래프를 효과적으로 처리하고 우수한 성능을 보여주었다. 비정상 데이터의 레이블링에 비용이 많이 들어가기 때문에 과거의 연구들은 주로 비지도 학습 기반의 방법들을 사용했다. 하지만 탐지된 비정상 노드는 원치 않거나 상관없는 노드일 수도 있다. 이러한 문제 해결을 위해 비정상 정보가 선행 지식으로 활용하는 준지도 학습 방법이 효과적일 것이다. 그러나 적은 양의 이상 정보를 효과적으로 활용하는 것은 준지도 학습의 주요 챌린지 중 하나이다. 본 논문에서는 이러한 이슈들을 해결하기 위해 대표 정상/비정상 특징을 고려하는 준지도 대조 학습 프레임워크 SAD-CL을 제안한다. SAD-CL은 정상과 비정상 정보의 대표패턴을 효과적으로 추출하여 학습하는 기존보다 강화된 대조 학습 기법으로 여러 실험을 통하여 우수한 그래프 이상탐지 성능을 입증하였다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.