💻 computer science

MeanRadius SMOTE Based Graph Neural Network for Imbalanced Node Classification in Fault and Intrusion Detection

Este artigo propõe o MeanRadius-SMOTE Graph Neural Network (MRS-GNN), um novo framework que aborda o desequilíbrio de classes na detecção de falhas e intrusões ao gerar nós sintéticos no espaço de incorporação e criar arestas especializadas para preservar a topologia do grafo, melhorando significativamente a acurácia de classificação e a AUC-ROC sob condições de desequilíbrio extremo.

Autores originais: Jagannath E. Nalavade, Ramachandra Pujeri, Rajani Sajjan, Nagesh Jadhav, Amar Buchade, Dattatray Kale

Publicado 2026-08-24

📖 5 min de leitura🧠 Leitura aprofundada

CC BY 4.0

Autores originais: Jagannath E. Nalavade, Ramachandra Pujeri, Rajani Sajjan, Nagesh Jadhav, Amar Buchade, Dattatray Kale

Artigo original sob licença CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Esta é uma explicação gerada por IA do artigo abaixo. Não foi escrita nem endossada pelos autores. Para precisão técnica, consulte o artigo original. Ler aviso legal completo

Na complexa maquinaria da indústria moderna e na intrincada teia de redes globais, a segurança depende da capacidade de detectar o raro e o perigoso antes que causem danos. Seja um rolamento em um motor de fábrica começando a falhar ou um padrão sutil de tráfego malicioso em uma rede de computadores, esses eventos críticos estão frequentemente ocultos dentro de um vasto mar de dados normais e cotidianos. Isso cria um enigma difícil para os programas de computador projetados para vigiar esses sistemas. Como as falhas e ataques são muito mais raros do que a operação normal, os dados disponíveis para treinar esses programas são fortemente desequilibrados. Os programas aprendem a reconhecer os padrões comuns e entediantes de saúde e segurança, mas têm dificuldade em identificar os sinais raros e perigosos porque simplesmente não possuem exemplos suficientes para estudar. Este é um problema de desequilíbrio, onde os poucos casos importantes são sufocados pelos muitos casos sem importância.

Para resolver isso, pesquisadores recorreram a um tipo de inteligência artificial conhecido como rede neural de grafos. Ao contrário dos programas de computador padrão que olham para os dados como uma simples lista ou uma grade, essas redes tratam a informação como um mapa de conexões. Imagine um sistema onde cada dado é um ponto e as relações entre eles são linhas conectando esses pontos. Essa estrutura permite que o computador entenda como diferentes partes de uma máquina ou de uma rede influenciam umas às outras. No entanto, mesmo esses sistemas avançados tropeçam quando confrontados com o problema do desequilíbrio. Se você tentar ensiná-los simplesmente copiando os exemplos raros ou fazendo com que prestem atenção extra aos casos raros, os resultados são frequentemente ruins. Os exemplos copiados não se ajustam à complexa teia de conexões, e a atenção extra muitas vezes leva à confusão em vez da clareza. A rede acaba perdendo justamente as falhas e intrusões que foi construída para encontrar.

Uma equipe de pesquisadores de universidades da Índia desenvolveu uma nova abordagem para corrigir essa fraqueza específica. Eles criaram um framework chamado MeanRadius-SMOTE Graph Neural Network, ou MRS-GNN, que é projetado para gerar novos exemplos confiáveis de eventos raros sem quebrar a delicada estrutura do mapa de dados. Em vez de tentar forçar novos dados para o formato original bruto e desordenado, os pesquisadores primeiro guiam o computador para traduzir os dados em uma linguagem interna mais limpa e organizada. Nesse espaço simplificado, o computador pode ver a verdadeira forma dos eventos raros com mais clareza. Ele então cria novos exemplos sintéticos dessas falhas raras, preenchendo cuidadosamente as lacunas entre os exemplos existentes, garantindo que os novos dados pareçam e se comportem exatamente como o real.

A parte mais crítica deste novo método é como ele lida com as conexões entre esses novos exemplos e o resto do sistema. Quando um computador cria um exemplo falso, ele frequentemente o deixa flutuando sozinho, desconectado da rede. Este é um erro fatal para um sistema baseado em grafos, que depende inteiramente das linhas que conectam os pontos para compreender o mundo. Os pesquisadores resolveram isso adicionando um módulo especial que atua como um constr de pontes. Este módulo estuda os padrões de conexão existentes e desenha novas linhas dos exemplos sintéticos para os pontos de dados reais. Ele garante que os novos exemplos sejam tecidos perfeitamente na estrutura da rede, mantendo a integridade estrutural de todo o sistema. Isso permite que o computador aprenda com os novos exemplos da mesma forma que faria com os reais, usando as conexões para entender o contexto dos eventos raros.

A equipe testou este novo framework usando dados de três fontes conhecidas de informações de falhas mecânicas, incluindo conjuntos de dados da Case Western Reserve University e da University of Paderborn. Eles simularam condições extremas onde as falhas raras eram vastamente superadas pelas operações normais, criando um cenário onde o desequilíbrio era severo. Nesses testes difíceis, o novo sistema provou ser notavelmente eficaz. Ele alcançou uma precisão de classificação que foi mais de dezoito pontos percentuais superior aos métodos tradicionais que simplesmente copiam dados ou ajustam pesos. Além disso, ao medir a capacidade do sistema de distinguir entre as falhas raras e o ruído normal, o novo framework atingiu uma pontuação de 0,904, um nível de desempenho que indica um alto grau de confiabilidade.

Os pesquisadores descobriram que esta abordagem funcionou bem mesmo quando o número de diferentes tipos de falhas aumentou, uma situação em que os métodos antigos costumam falhar. Ao manter os novos dados conectados e fiéis à estrutura original, o sistema evitou a confusão que geralmente assola as tentativas de equilibrar conjuntos de dados desiguais. O estudo sugere que este método não se limita a falhas mecânicas, mas também pode ser aplicado a outros sistemas complexos, como a detecção de intrusões em redes de computadores ou o monitoramento da estabilidade de redes elétricas. O trabalho demonstra que, ao respeitar as conexões subjacentes nos dados e criar novos exemplos com cuidado, é possível ensinar computadores a enxergar os sinais raros e perigosos que eles de outra forma perderiam, levando a sistemas industriais e digitais mais seguros e confiáveis.

Resumo Técnico: GNN Baseada em MeanRadius SMOTE para Classificação de Nós Desbalanceados

1. Definição do Problema
O artigo aborda o desafio crítico do desbalanceamento de classes em tarefas de classificação de nós semissupervisionadas em Redes Neurais de Grafos (GNNs), especificamente aplicadas ao diagnóstico de falhas em sistemas mecânicos e detecção de intrusão em segurança de rede. Nesses domínios, os dados são fortemente enviesados: a classe majoritária representa operações normais (rolamentos saudáveis ou tráfego benigno), enquanto a classe minoritária representa eventos raros, porém críticos (falhas ou ataques cibernéticos).

Modelos de aprendizado profundo padrão, incluindo as GNNs, são tendenciosos em relação à classe majoritária porque suas funções de perda são dominadas pelas amostras frequentes. Isso leva a uma detecção deficiente de eventos minoritários. Além disso, técnicas tradicionais de sobreamostragem como o SMOTE (Synthetic Minority Over-sampling Technique) falham quando aplicadas diretamente a dados de grafos porque:

Operam no espaço de características original de alta dimensão, frequentemente gerando amostras ruidosas ou fora da distribuição (out-of-distribution).
Ignoram a topologia do grafo; simplesmente adicionar nós sintéticos sem definir suas conexões quebra a integridade estrutural do grafo, tornando os mecanismos de passagem de mensagem das GNNs ineficazes.

2. Metodologia: O Framework MRS-GNN
Os autores propõem a Rede Neural de Grafos MeanRadius-SMOTE (MRS-GNN), um framework projetado para sintetizar representações de nós confiáveis enquanto preserva a integridade topológica. A metodologia procede através de quatro estágios distintos:

Geração de Dados de Grafo: Sinais de séries temporais unidimensionais brutos (ex: dados de vibração) são segmentados usando uma janela deslizante (comprimento 256). Cada segmento torna-se um nó. Uma matriz de adjacência é construída usando o coeficiente de correlação de Pearson para medir relações lineares entre os nós, seguido por uma etapa de esparsificação para remover arestas ruidosas e prevenir o oversmoothing (suavização excessiva).
Extração de Características: Um extrator de características de GNN (especificamente GraphSage na arquitetura proposta) codifica os dados do grafo em um espaço de incorporação (embedding) intermediário de baixa dimensão. Este passo é crucial, pois captura tanto os atributos dos nós quanto a informação estrutural local, criando uma distribuição mais coerente para interpolação do que o espaço de alta dimensão original.
MeanRadius-SMOTE (MRS-SMOTE): A sobreamostragem ocorre dentro deste espaço de incorporação, não no espaço de características bruto. O algoritmo:
1. Calcula o centro geométrico ( $Z$ ) das amostras da classe minoritária.
2. Computa o raio euclidiano médio ( $R$ ) do centro até as amostras.
3. Gera vetores sintéticos interpolando entre o centro e amostras selecionadas aleatoriamente da classe minoritária.
4. Cria novos nós de amostra ( $z_{new}$ ) baseados em uma distribuição normal relativa ao raio, garantindo que os dados sintéticos permaneçam dentro da fronteira de decisão da classe minoritária.
Gerador de Arestas: Para abordar o problema da "ilha isolada" dos nós sintéticos, um módulo especializado de Gerador de Arestas é introduzido. Ele aprende a distribuição de arestas autêntica do grafo original e prevê conexões entre os novos nós sintéticos e os nós existentes. O artigo propõe duas estratégias para isso:
- MRS-GNNS (Contínuo): Prevê pesos de aresta como valores contínuos (0–1), permitindo que o gerador de arestas seja otimizado conjuntamente com o classificador de nós via perda de gradiente.
- MRS-GNNT (Limiar/Thresholded): Converte pesos previstos em valores binários (0 ou 1) usando um limiar $\epsilon$ , otimizando o gerador puramente na tarefa de previsão de arestas.

3. Principais Contribuições

Integração Híbrida: A novel integração do MeanRadius-SMOTE diretamente no pipeline da GNN, realizando a sobreamostragem no espaço de incorporação intermediário, em vez do espaço de características bruto, para melhorar a qualidade da amostra e reduzir o ruído.
Integridade Topológica: A introdução de um módulo Gerador de Arestas que garante que os nós sintéticos estejam estruturalmente conectados ao grafo original, mantendo a continuidade necessária para a passagem de mensagem das GNNs.
Framework Escalável: Uma demonstração de que o framework é adaptável a vários sistemas complexos, indo além do simples diagnóstico de falhas para potenciais aplicações em detecção de intrusão de rede e outros sistemas topológicos.

4. Resultados Experimentais
O framework foi validado em três conjuntos de dados públicos de diagnóstico de falhas de rolamentos: CWRU (Case Western Reserve University), JNU (Jiangnan University) e PU (University of Paderborn).

Desempenho sob Desbalanceamento Extremo: Sob condições de desbalanceamento severo (Taxa de Desbalanceamento/IMR de 0,4), as variantes MRS-GNN superaram significativamente os métodos de base (Oversampling, SMOTE, Reweight e GraphSMOTE).
- A variante MRS-GNNS alcançou um AUC-ROC de 0,904.
- A acurácia de classificação melhorou em mais de 18 pontos percentuais em comparação com os métodos de sobreamostragem de base no conjunto de dados CWRU.
Robustez: O modelo manteve um desempenho estável conforme o número de classes desbalanceadas aumentava, enquanto métodos tradicionais (SMOTE, Reweight) mostraram degradação significativa.
Comparação de Modelos de Base: Quando testado com diferentes backbones de GNN, as Redes de Atenção de Grafos (GAT) combinadas com o MRS-SMOTE produziram o melhor desempenho em todas as taxas de desbalanceamento, atribuído ao mecanismo de atenção capaz de ponderar a importância dos nós. O GraphSage e o GCN também mostraram melhorias, mas foram ligeiramente menos eficazes em cenários altamente heterogêneos comparados ao GAT.

5. Significância e Alegações
O artigo afirma que o MRS-GNN oferece uma solução robusta para as limitações específicas de aplicação de sobreamostragem em dados estruturados em grafos. Ao deslocar a interpolação para o espaço de incorporação e modelar explicitamente a geração de arestas, o framework resolve os problemas duplos de qualidade da amostra e desconexão topológica.

Os autores asseguram que esta abordagem não apenas melhora a confiabilidade do diagnóstico de falhas em sistemas mecânicos, mas também fornece uma solução escalável e generalizável para outros sistemas complexos envolvendo classificação de nós desbalanceados, como redes elétricas, redes de transporte e sistemas de detecção de intrusão. O trabalho posiciona-se como uma ponte entre técnicas de reamostragem ao nível de dados e os requisitos estruturais das Redes Neurais de Grafos.

Mais como este