Exact Deviation Attribution and Amortised Event Explanation for Semi-Supervised Anomaly Detection on Dynamic Graphs
Questo articolo introduce un framework per l'anomalia semi-supervisionata su grafi dinamici che fornisce un'attribuzione della deviazione esatta e in forma chiusa e apprende una maschera di eventi ammortizzata per spiegare le decisioni con impatto nullo sulle prestazioni di rilevamento, rivelando al contempo che gli avvisi spesso derivano equamente dal comportamento dei singoli nodi e dai cambiamenti del baseline della popolazione.