报告题目： 图数据中的异常检测

报告时间：2023年11月10日下午3:00

报告地点：B7-303

报告人：杨洋副教授

主持人：蔡毅教授

摘要：图数据可以有效表示事物之间的关联关系，是许多理论研究及现实应用的基础。现实中图数据往往存在各类异常，而图异常检测则旨在理解并识别图数据中结构特征、行为模式或固有属性发生异变的结点，其广泛应用在社交、医疗、电商、金融、法律等诸多领域，近年来备受学术界和工业界的关注。现实生活中频发的异常事件危害巨大却难以被有效侦破。以电信行业为例，2021年中国发生了5亿起电信诈骗案件，造成经济损失164亿美元。有鉴于此，针对图数据的异常检测是一个亟待探索且意义非凡的研究方向。然而，由于样本不平衡、异常模式多样化、领域之间的异常模式差异较大等因素的制约，图异常检测颇具挑战。本次报告，首先介绍近期相关的理论与模型研究，主要围绕以下三个问题：1. 利用图神经网络自动理解并量化异常模式；2. 如何抵御诈骗份子对模型的干扰和攻击；3. 如何提高异常检测模型的领域泛化性。其次，将展示研究成果在电信诈骗检测、信贷反欺诈、癫痫检测等场景中的落地应用。最后，介绍近期发布的一个基于真实信贷诈骗标签的大规模图异常检测数据集DGraph，助力推动该方向的研究。

报告人简介：杨洋，浙江大学计算机学院副教授、博导、人工智能系主任，博士毕业于清华大学，师从唐杰教授、李涓子教授。研究方向为图数据上的人工智能问题、大规模时间序列数据建模、计算社会学等，在KDD、WWW、AAAI、TKDE等国际顶级学术期刊及会议上发表论文40余篇，获AAAI 2023杰出论文奖，担任国际权威期刊IEEE TBD Associate Editor、2020年全国社会媒体处理大会程序委员会主席、多个国际学术会议程序委员会委员。