图级异常的跨域泛化
图级异常检测(graph-level anomaly detection,GLAD)把整张图视作一个样本,学习一个打分函数 $f:\mathcal{G}\to\mathbb{R}$,分数越高表示偏离越大。分子图上决定生物毒性的是某个官能团,保险与金融场景里骗保团伙呈现为局部稠密、彼此高频互连的账户簇。这两类结构的"正常"并不共享同一套定义,而任务本身的正类占比通常在个位数百分比,标注依赖领域专家,新的业务场景持续出现。
现有做法多为一个数据集配一个模型。重构类以重构误差作为异常证据,对比类以多视图间的一致性作为证据,近年还有以原型匹配或知识蒸馏构造证据的做法。它们的共同前提是在目标数据集上先拟合正常图的分布,再以偏离程度判定异常。域一更换,“正常"的定义随之改变,先前拟合的分布不再适用;训练样本减少时,密度估计随之不稳,部分基线在少样本设定下的 AUROC 低于 0.5。
论文把这一设定改写为 generalist GLAD:在源域数据集集合 $T^{\mathrm{train}}={\mathcal{D}{1}^{\mathrm{train}},\dots,\mathcal{D}{N}^{\mathrm{train}}}$ 上联合训练单一模型,迁移至未见过的目标数据集时,只提供少量正常图用于适配,默认 $n_{k}=10$。改动集中在两处:一是异常证据如何构造,二是从源域到目标域的训练与适配如何进行。
一、问题:正常性依附于数据集
论文处理的问题是设定层面的:异常的定义相对于数据集成立,因此检测器无法脱离数据集复用。
GLAD 的常规形式是 one-class 学习,训练集只含正常图,异常图在推理阶段才首次出现。这个设定使"异常"无法由标签直接刻画,只能由偏离正常模式的程度间接表示。而在不同的图应用里,偏离的载体并不相同:分子图上一个官能团即可决定性质,社交网络里异常行为体现为不规则的局部交互模体。同一套打分函数要在两类语义空间里同时成立,需要找到与域无关的判别结构。
重要性来自成本结构。异常标注需要领域知识,源域数据在部分行业难以大规模采集;若每个新场景都要重新训练一个专用模型,数据采集、算力与调参的成本随域数线性增长。论文在十个来自分子、生化与社交网络的 TUDataset 基准数据集上验证这一点,源域取 NCI1、DD 与 COLLAB,测试域取 AIDS、BZR、COX2、DHFR、MUTAG、PTC_MR、ENZYMES、PROTEINS、IMDB-BINARY 与 REDDIT-BINARY。
卡点有两层。重构与对比两类代理任务都以域内正常分布为锚:前者假设异常图更难被重构,后者假设异常图与增强视图不一致。两者都需要足量同域正常样本先把流形估计出来,样本量下降时,估计误差直接转化为打分误差。另一层来自粒度。节点级的通用检测器已有进展,ARC 采用 in-context 学习,AnomalyGFM 采用图基础模型的零样本与少样本迁移,二者依赖同质性假设,即相连节点倾向于同类;图级任务中异常可能只由跨越多个簇的少数结构决定,该假设不成立。
二、链路:六个环节与各自的指标
主流视角下,这条链路由数据设定、图编码、异常打分、阈值判定、终评、成本与泛化六段构成;其中承担质量判定的只有 AUROC 与 AUPRC 两个阈值无关指标。
数据设定环节确定域、正常与异常的划分以及可用的监督量。异常占比 $\pi=|\mathcal{A}|/|\mathcal{D}|$ 刻画类别不平衡程度,$\mathcal{A}$ 为异常集;少样本数量 $n$ 刻画适配阶段可用的正常图数量。这两个量决定了后续指标的解读基准,尤其决定了 AUPRC 的随机基线。
图编码环节用图神经网络得到节点表示,再经读出函数得到图级表示。衡量该环节的指标有两类。一类是线性探测 AUROC,即冻结编码器、仅训练一个线性分类器后得到的 AUROC,用以判断表示本身的可分性;另一类是 one-class 紧致度 $\mathrm{tr}(\Sigma_{w})/\mathrm{tr}(\Sigma_{b})$,即类内散度迹与类间散度迹之比,数值越小表示正常样本在表示空间中越集中。
异常打分环节定义 $f(G)$,形式可以是重构误差、对比不一致度或到一类原型的距离。该环节的有效性由 AUROC 度量,因为 AUROC 只反映分数的排序关系:
$\mathrm{AUROC}=\frac{1}{|\mathcal{P}||\mathcal{N}|}\sum_{x^{+}\in\mathcal{P}}\sum_{x^{-}\in\mathcal{N}}\left(\mathbb{1}\left[s(x^{+})>s(x^{-})\right]+\frac{1}{2}\mathbb{1}\left[s(x^{+})=s(x^{-})\right]\right)$
其含义为任取一张正常图与一张异常图,异常图分数更高的概率,等价于以真正例率与假正例率为坐标轴的 ROC 曲线下面积。
阈值判定环节把连续分数切成二值判断。精确率、召回率与 F1 分别按 $P=TP/(TP+FP)$、$R=TP/(TP+FN)$、$F_{1}=2PR/(P+R)$ 计算,阈值常取验证集上使 F1 最大的位置,或按 $\pi$ 取分数分位数。
终评环节在多个数据集上汇总。除 AUROC 外,主流同时报告 AUPRC。以平均精度实现时,按召回率递增的顺序累加:
$\mathrm{AP}=\sum_{i}\left(R_{i}-R_{i-1}\right)P_{i}$
随机分类器的 AUPRC 基线等于 $\pi$ 而非 0.5。异常稀少时,AUROC 会被大量真负例抬高,AUPRC 不会,两者需并用。
成本与泛化环节衡量可迁移性与代价,指标包括适配阶段的可训练参数量、适配墙钟时间、峰值显存,以及跨域落差 $\mathrm{AUROC}{\text{in-domain}}-\mathrm{AUROC}{\text{transfer}}$;数据效率则以 AUROC 随训练数据比例或 $n$ 变化的曲线表示。
三、介入位置:打分证据与训练方式
论文的介入落在异常打分环节与训练适配环节,替换了整图重构或对比这一代理目标,直接影响 AUROC、AUPRC、数据效率与适配成本。
打分环节的改动是先把证据来源收窄到子图。编码器输出的节点表示 $H$ 经重要性估计模块 $f_{\theta}(\cdot)$ 得到节点分数 $p$,再以带温度的 Gumbel-Softmax 采样为二值掩码:
$H=\mathrm{GNN}(X,A),\quad p=f_{\theta}(H),\quad m=\mathrm{GumbelSoftmax}(p;\tau),\ m\in{0,1}^{|V|}$
掩码过滤节点与边,得到判别性子图 $G’$。重要性分数本身不自由学习,而由记忆库检索确定:以目标域上下文向量 $c$ 与记忆 token $T={t_{1},\dots,t_{M}}$ 的余弦相似度取前 $K$ 个,节点分数为与检索集合 $\tilde{T}$ 的最大相似度 $\max_{t\in\tilde{T}}\cos(h_{u},t)$。输入侧不使用原始属性,节点属性由度数独热编码与随机游走结构编码拼接,$X=X_{\mathrm{deg}}\oplus X_{\mathrm{RW}}$,以便跨域共享同一维度与语义。
由此,异常证据从单一标量误差变为四个粒度上的偏差。记判别子图的表示为 $z_{G’}$,读出属性为 $x_{G’}$,预训练语义原型为 $t_{c}$,域级原型为 $c$:
$s_{\mathrm{prior}}=-\cos(z_{G’},t_{c})$
$s_{\mathrm{cos}}^{\mathrm{domain}}=-\cos(x_{G’},c),\quad s_{\mathrm{euc}}^{\mathrm{domain}}=\lVert x_{G’}-c\rVert_{2}$
类级原型取少样本正常图表示的均值:
$q=\frac{1}{|\mathcal{T}^{\mathrm{test}}|}\sum_{G\in\mathcal{T}^{\mathrm{test}}}\mathrm{Readout}_{G’}(H)$
$s_{\mathrm{cos}}^{\mathrm{class}}=-\cos(z_{G’},q),\quad s_{\mathrm{euc}}^{\mathrm{class}}=\lVert z_{G’}-q\rVert_{2}$
实例级偏差度量查询图与支持集之间相似度分布的不一致,用一维 Wasserstein 距离表示,$D_{S}$ 为支持集内部两两相似度分布,$D_{G}$ 为查询图对各支持样本的相似度分布:
$s_{\mathrm{ins}}=W_{1}(D_{S},D_{G})$
四类分数拼成语证向量 $\mathbf{s}$,最终打分为 $\hat{s}=\sigma(\mathbf{w}^{\top}\mathbf{s})$,其中 $\mathbf{w}\in\mathbb{R}^{k\times 1}$ 是适配阶段唯一可训练的参数,骨干与记忆库冻结。证据维度的增加改变分数排序,因此直接作用于 AUROC 与 AUPRC。
训练环节的改动是为无监督预训练补出正类。跨域模体注入从其他源域数据集中随机游走采样子结构,经新增连边接到当前图的随机节点上,形成伪异常图,并给出节点级伪标签标记注入位置,损失为图级与节点级双层项加掩码的 $\ell_{1}$ 正则:
$L=L_{\mathrm{graph}}+\lambda_{1}L_{\mathrm{node}}+\lambda_{2}\lVert m\rVert_{1}$
由于注入子结构来自异域分布,原有语义一致性被打破,异常信号无需依赖"难重构"这一间接假设即可获得。这一替换影响了数据效率指标:仅在单一源域上预训练时,AIDS 上的 AUROC 为 95.8 附近的水平须待三个源域齐备才达到,随源域数量由一增至三,AIDS 从 87.6 升至 95.8,IMDB-BINARY 从 56.1 升至 74.1。
适配阶段只更新 $\mathbf{w}$,代价体现在成本指标上。可训练参数由整网降至 $k$ 维,十项测试集平均 AUROC 为 72.5%、平均 AUPRC 为 70.7%,同设定下表现最好的基线为 61.5% 与 59.4%;HC-GLAD 在同一显存条件下于全部测试集内存不足。跨域落差则由源域数量与检索 token 数量 $K$ 共同决定,$K$ 超过某一阈值后性能回落,检索到弱相关 token 会引入噪声。
未改动的部分同样需要标明。AUROC 与 AUPRC 的定义、五次独立运行取均值与标准差的报告方式、以及数据划分逻辑均沿用既有惯例。论文改变的是分数的排序结构,而并非度量口径,因此其结论须由 AUROC 与 AUPRC 同向变化、辅以数据效率曲线共同支撑。
参考文献
Pan, J., Liu, Y., Zheng, Y., Li, F., Liew, A. W.-C., & Pan, S. (2026). Towards generalist graph-level anomaly detection. arXiv preprint arXiv:2611.07706. https://arxiv.org/abs/2611.07706