Heterogeneous Graph Neural Networks for Malicious Account Detection_biji

最新推荐文章于 2024-06-21 16:43:44 发布
原创 最新推荐文章于 2024-06-21 16:43:44 发布 · 643 阅读 · 0 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文介绍了一种利用图卷积网络(GCN)在账号和设备构成的图上进行预测的方案。通过将一周前六天作为训练数据，第七天作为测试数据，采用基于规则的方法计算账号间的关系，并使用有标注数据评估模型效果。

实现方案，一周前六天是训练数据，第七天为测试数据。用的是GCN的思想，图里有账号和设备，（基于规则的主要是用类似于图的二度好友计算，用账号和设备两种节点，计算得到账号和账号的关系），用有标注的数据的好处是可以用AUC、F1评测模型效果。

【论文分享】异质图恶意域名检测方法：HGDom: Heterogeneous Graph Convolutional Networks for Malicious Domain Detection
vector的博客
04-24 1587
本文设计了一种基于异构图卷积网络方法的HGDom。首先，分析了域的特征以及域、客户端和IP地址之间的复杂关系，引入了一个异构信息网络(HIN)来建模DNS场景。然后，提出了一种新的表示方法MAGCN。它采用基于元路径的注意机制，可以同时处理HIN中的节点特征和图结构。
【论文分享】异构图神经网络域名检测方法GAMD：Attributed Heterogeneous Graph Neural Network for Malicious Domain Detection
vector的博客
04-09 2555
将异质图转化为同质图，注意力机制与图神经网络聚合传播上下文信息，最终得到一个用于分类的结点表示。
【论文解读 CIKM 2018 | GEM】Heterogeneous Graph Neural Networks for Malicious Account Detection
byn12345的博客
03-15 4207
论文链接：https://arxiv.org/abs/2002.12307 来源：CIKM 2018 官方介绍：https://zhuanlan.zhihu.com/p/48243724 文章目录1 摘要2 介绍3 预备知识3.1 GNN3.2 Node Embedding4 提出的方法4.1 数据分析4.1.1 设备聚集4.1.2 行为聚集4.2 A Motivation: Subgraph...
蚂蚁金服2018CIKM中GEM算法《Heterogeneous Graph Neural Networks for Malicious Account Detection》
liuyinglxl
06-21 1046
简评：2018 CIKM，Ziqi Liu et al. 蚂蚁金服，具有较大参考意义的工业届 paper。 roadmap： 作弊数据分析 -> 作弊规律总结 -> 针对性解决问题 -> 直观的方法 -> 更深层次的方法论文场景：支付宝金融风控中黑产用户的挖掘，用户粒度的黑产挖掘。解决的问题和方法具有整个反作弊领域的通用性，不限制于金融风控领域。通过对大量正常数据和黑产数据进行分析，发现大量作弊数据具有如下表现：那通过数据分析出黑产用户具有上述『设备聚集』和『行为聚集』的异常，那如何 挖掘出具有这类表现的黑
论文阅读笔记：GEM---Heterogeneous Graph Neural Networks for Malicious Account Detection
麦地与诗人
12-20 1078
GEM：Heterogeneous Graph Neural Networks for Malicious Account Detection GEM，Graph Embeddings for Malicious accounts heterogeneous account-device graph 同质图中只有⼀种类型的节点和边（例如，只有朋友关系的社交网络），网络结构较为简单。因此，同质图...
异构mini图网络在欺诈邀请检测中的应用(已开源)
hestendelin的专栏
08-23 404
Heterogeneous Mini-Graph Neural Network and Its Application to Fraud Invitation DetectionYong-...
恶意域名检测论文阅读及代码复现——Heterogeneous Graph Attention Network for Malicious Domain Detection
最新发布
qq_50604294的博客
06-21 2121
DNS：作为互联网的基础，DNS 提供了域和 IP 地址之间的映射关系，以识别网络中的服务、设备或其他资源。同时，DNS也被攻击者滥用，如网络钓鱼、垃圾邮件、僵尸网络等，造成严重的经济损失。因此，如何有效检测恶意域名成为网络安全研究的热点。恶意域名检测方法方法分类优点缺点基于黑名单实现简单维护困难，且极易被绕过基于域名字符特征的方法有效应对Domain-Flux, Fast-Flux, Double-Flux等躲避技术手工提取特征难深度学习方法自动提取特征。
开源 | HMGNN：异构小图神经网络及其在拉新裂变风控场景的应用
爱奇艺技术产品团队
10-30 2964
爱奇艺风控团队负责公司全业务风险防控，面向业务提供通用与定制相结合的一站式解决方案，为业务赋能，加强业务核心竞争力。风控中台提供涵盖账户安全、会员安全、内容生态保护、拉新裂变反作弊、营销...
Heterogeneous Graph Neural Network（异质图神经网络）
热门推荐
nakaizura
02-16 1万+
Heterogeneous Information Network 传统的同构图（Homogeneous Graph）中只存在一种类型的节点和边，当图中的节点和边存在多种类型和各种复杂的关系时，再采用Homo的处理方式就不太可行了。这个时候不同类型的节点具有不同的特征，其特征可能落在不同的特征空间中，如果仍然共享网络参数、同样维度的特征空间，又或者尝试将异构图映射到同构图中，根本无法学习到“异构...
图神经网络欺诈检测工具箱-DGFraud.zip
05-06
DGFraud是基于图形神经网络（GNN）的工具箱，用于欺诈检测。它集成了基于GNN的最新欺诈检测模型的实现和比较。它还包括一些实用程序功能，例如图形预处理，图形采样和性能评估。可以在此处找到已实现模型的介绍。
Heterogeneous Graph Neural Networks for Extractive Document Summarization
weixin_43747748的博客
05-22 1969
异构图神经网络用于抽取文档摘要（2020 ACL） abstract 学习跨句子之间的关系作为提取文档摘要过程中的关键步骤，已有多种方法被提出来研究该问题。一种直观的方法是将它们放在基于图的神经网络中，该网络具有更复杂的结构以捕获句子之间的关系。在本文中，我们提出了一种基于异构图的神经网络（HETERSUMGRAPH）用于提取摘要，该网络包含除句子外的不同粒度级别的语义节点。这些额外的节点充当句子之间的“中介”，并丰富了跨句关系。此外，通过引入文档节点，我们的图结构可以灵活地自然扩展，从单个文档设置到多文档
每日算法----左叶子之和----2020/09/19
Srwici的博客
09-19 527
1 题目描述：左叶子之和 计算给定二叉树的所有左叶子之和 2 实例： 3 思路： 对拿到手的节点进行判断，如果左节点不为空，左节点递归，如果右节点不为空，右节点递归，如果节点下左右节点都为空，则返回节点值。 4 遇上的问题： 首先确定要返回叶子节点。叶子节点特征，左右节点都为空。 接着是要舍去右叶子节点返回值，在右节点进行递归的时候，调用另一个方法为了避免传进去的右节点是右叶子节点。 传递进来的树只有1个数或者0个数的情况，对第一次传递的树进行1个或0个判断，如果判断成功，直接返回0。 5 结果
【intro】GNN中异构图（heterogeneous graph）综述
Karen_Yu_的博客
05-31 8865
大多数GNN的目的是学习只包含单一类型的节点和边的同构图的嵌入向量。然而，现实世界中的实体及其相互作用往往具有多种类型，自然形成具有丰富结构和语义信息的异构图。现有的异构图表示学习的调查论文总结了所有可能的图嵌入技术，对深度神经网络模型的分析不足。为了解决这一问题，本文系统地总结和分析了现有的异构图神经网络(hgnn)，并根据其神经网络结构对其进行了分类。同时，收集了常用的异构图数据集，并总结了它们的统计信息。此外，还比较了HGNN和浅嵌入模型的性能，以显示其强大的特征。
CIKM 18 | 蚂蚁金服论文：基于异构图神经网络的恶意账户识别方法
weixin_33779515的博客
11-01 474
小蚂蚁说： ACM CIKM 2018 全称是The 27th ACM International Conference on Information and Knowledge Management，会议于2018年10月22日-26日在意大利都灵省举行。 CIMK 是国际计算机学会（ACM）举办的信息检索、知识管理和数据库领域的重要学术会议。本次大...
异构图神经网络——Heterogeneous Graph Neural Networks
qq_52053775的博客
05-08 2034
GNN基本计算方法——邻接矩阵乘以节点，聚合相邻节点的特征，得到本节点的特征表达。
【论文笔记】Heterogeneous Graph Neural Networks for Extractive Document Summarization
ZZXN的博客
09-14 878
文章使用异质图建模句子之间的关系，并将其用于抽取式摘要，取得了优于所有对比模型的效果（本文模型和对比模型均没有使用预训练语言模型，如BERT）。 图的结构 图中包含两类节点：词节点和句节点 句节点与其中包含的词的节点相连接 只有词节点和句节点之间的连接，同类节点之间不会连接 是一个二分图（Bipartite Graph） 节点初始化 词节点 300维的Embedding Vocabulary大小为50000 使用GloVe初始化Embedding 删去停用词和标点符号 删去10%的在整个数据集.
ACL2020 Heterogeneous Graph Neural Networks for Extractive Document Summarization
07-24 2195
Heterogeneous Graph Neural Networks for Extractive Document Summarization异构图神经网络提取文档摘要摘要1 引言2 相关工作3 Methodology3.1 Document as a Heterogeneous Graph3.2 Graph Initializers3.3 Heterogeneous Graph Layer3.4 Sentence Selector3.5 Multi-document Summarization4 Ex
Heterogeneous Network
肖泽的博客
08-11 2178
Hyper-network Structural Deep Embedding for Hyper-Networksx [AAAI 2018] Hypergraph Neural Networks. [AAAI 2019] Graph HyperNetworks for Neural Architecture Search [ICLR 2019] Link prediction 4. Mode...
heterogeneous graph neural network for recommendation
11-16
异构图神经网络（Heterogeneous Graph Neural Network）是一种在推荐系统中应用的技术。在传统的推荐系统中，用户和物品通常被表示为一个二部图，而异构图神经网络则可以更好地处理用户和物品之间多样的关系。 异构图神经网络在推荐系统中的应用，主要是通过将用户和物品的不同信息进行融合和学习，以提高推荐的效果。这包括用户的行为数据、社交关系、偏好信息等，以及物品的属性、标签、类别等多种信息。通过异构图神经网络的学习，可以更好地挖掘用户和物品之间的复杂关系，从而提升推荐系统的准确性和个性化程度。 在异构图神经网络中，会使用不同的神经网络结构来处理不同类型的节点和边，以更好地表达它们之间的关系。通过多层神经网络的学习，可以逐渐提取用户和物品的抽象表达，从而更好地进行推荐任务。同时，异构图神经网络也可以更好地处理数据稀疏和冷启动等问题，提高了推荐系统的泛化能力。 总的来说，异构图神经网络在推荐系统中的应用，可以更好地利用用户和物品之间的多样信息，提高了推荐的效果和个性化程度，是推荐系统领域的研究热点之一。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值