Exact Deviation Attribution and Amortised Event Explanation for Semi-Supervised Anomaly Detection on Dynamic Graphs
이 논문은 동적 그래프에서의 준지도 이상 탐지를 위한 프레임워크를 소개하며, 이는 정확한 폐쇄형 편차 귀속(closed-form deviation attribution)을 제공하고 탐지 성능에 영향을 주지 않으면서 결정을 설명하기 위해 아모티즈드 이벤트 마스크(amortised event mask)를 학습하는 동시에, 경보가 종종 개별 노드의 행동과 집단 기준선 변화로부터 동일하게 기인한다는 점을 밝혀낸다.