VACULÍK, Karel a Lubomír POPELÍNSKÝ. DGRMiner: Anomaly Detection and Explanation in Dynamic Graphs. In Boström, H., Knobbe, A., Soares, C., Papapetrou, P.. Advances in Intelligent Data Analysis XV - 15th International Symposium, IDA 2016. Neuveden: LNCS 9897, Springer, 2016. s. 308-319, 12 s. ISBN 978-3-319-46348-3. doi:10.1007/978-3-319-46349-0_27.
Další formáty:   BibTeX LaTeX RIS
Základní údaje
Originální název DGRMiner: Anomaly Detection and Explanation in Dynamic Graphs
Autoři VACULÍK, Karel (203 Česká republika, garant, domácí) a Lubomír POPELÍNSKÝ (203 Česká republika, domácí).
Vydání Neuveden, Advances in Intelligent Data Analysis XV - 15th International Symposium, IDA 2016, od s. 308-319, 12 s. 2016.
Nakladatel LNCS 9897, Springer
Další údaje
Originální jazyk angličtina
Typ výsledku Stať ve sborníku
Obor 10201 Computer sciences, information science, bioinformatics
Stát vydavatele Velká Británie
Utajení není předmětem státního či obchodního tajemství
Forma vydání tištěná verze "print"
Impakt faktor Impact factor: 0.402 v roce 2005
Kód RIV RIV/00216224:14330/16:00091413
Organizační jednotka Fakulta informatiky
ISBN 978-3-319-46348-3
ISSN 0302-9743
Doi http://dx.doi.org/10.1007/978-3-319-46349-0_27
UT WoS 000388259100027
Klíčová slova anglicky graph mining; data mining; dynamic graphs; rule mining; anomaly detection; outlier detection; anomaly explanation
Štítky core_A, firank_A
Příznaky Mezinárodní význam, Recenzováno
Změnil Změnil: RNDr. Pavel Šmerk, Ph.D., učo 3880. Změněno: 13. 5. 2020 19:16.
Anotace
Ubiquitous network data has given rise to diverse graph mining and analytical methods. One of the graph mining domains is anomaly detection in dynamic graphs, which can be employed for fraud detection, network intrusion detection, suspicious behaviour identification, etc. Most existing methods search for anomalies rather on the global level of the graphs. In this work, we propose a new anomaly detection and explanation algorithm for dynamic graphs. The algorithm searches for anomaly patterns in the form of predictive rules that enable us to examine the evolution of dynamic graphs on the level of subgraphs. Specifically, these patterns are able to capture addition and deletion of vertices and edges, and relabeling of vertices and edges. In addition, the algorithm outputs normal patterns that serve as an explanation for the anomaly patterns. The algorithm has been evaluated on two real-world datasets.
Návaznosti
MUNI/A/0935/2015, interní kód MUNázev: Zapojení studentů Fakulty informatiky do mezinárodní vědecké komunity (Akronym: SKOMU)
Investor: Masarykova univerzita, Grantová agentura MU, DO R. 2020_Kategorie A - Specifický výzkum - Studentské výzkumné projekty
MUNI/A/0945/2015, interní kód MUNázev: Rozsáhlé výpočetní systémy: modely, aplikace a verifikace V.
Investor: Masarykova univerzita, Grantová agentura MU, DO R. 2020_Kategorie A - Specifický výzkum - Studentské výzkumné projekty
VytisknoutZobrazeno: 31. 10. 2020 12:44