Is Real-World Training Data Necessary for Generalist Graph Anomaly Detection?

📄 arXiv: 2610.12167v1 📥 PDF

作者: Yujing Liu, Yixin Liu, Yue Tan, Xiaofeng Cao, Alan Wee-Chung Liew, Heng Tao Shen, Shirui Pan

分类: cs.LG

发布日期: 2026-10-08

备注: 25 pages, 10 figures

💡 一句话要点

提出AG-FORGE与TS-GGAD以解决图异常检测数据不足问题

🎯 匹配领域: 支柱二：RL算法与架构 (RL & Architecture) 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 图异常检测 合成数据 拓扑学习 语义分析 课程学习 深度学习 数据生成

📋 核心要点

  1. 现有的通用图异常检测方法面临数据稀缺的问题，真实异常图的收集和标注成本高，限制了模型的训练效果。
  2. 本文提出AG-FORGE用于自动合成异常图，并开发TS-GGAD模型，结合拓扑和语义信息，提升检测能力。
  3. 在14个真实数据集上的实验表明，TS-GGAD在合成数据上训练后，性能显著优于当前最先进的方法。

📝 摘要（中文）

通用图异常检测（GAD）旨在构建一个基础模型，能够在未见过的图上检测异常，而无需重新训练或微调。然而，现实世界中异常图的数据稀缺且收集成本高，限制了模型的训练。为此，本文提出AG-FORGE，一个用于自动合成异常图的生成工具，探索基于合成数据的训练可行性。实验证明，合成数据的性能与真实数据相当，但未能进一步提升性能。为此，本文开发了TS-GGAD，一个结合拓扑和语义异常证据的通用GAD模型，并采用针对大规模合成训练的课程学习策略。大量实验表明，TS-GGAD在AG-FORGE生成的数据上显著优于现有方法。

🔬 方法详解

问题定义：本文旨在解决通用图异常检测中数据不足的问题，现有方法在真实异常图稀缺的情况下难以有效训练模型。

核心思路：通过AG-FORGE生成合成异常图，探索合成数据驱动的训练可行性，并结合TS-GGAD模型捕捉拓扑与语义异常证据，以提升模型的检测能力。

技术框架：整体架构包括AG-FORGE生成合成数据，随后使用TS-GGAD进行训练，TS-GGAD模型通过课程学习策略逐步提升模型性能，适应大规模合成数据。

关键创新：AG-FORGE的提出使得合成异常图的生成成为可能，TS-GGAD通过结合拓扑和语义信息，显著提升了异常检测的准确性，与传统方法相比具有本质的创新。

关键设计：在模型设计中，采用了特定的损失函数以平衡拓扑与语义信息的权重，同时在网络结构上进行了优化，以适应合成数据的特性。具体参数设置和网络结构细节在实验部分进行了详细描述。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

实验结果显示，TS-GGAD在使用AG-FORGE生成的合成数据上训练后，性能显著优于现有最先进的方法，具体提升幅度达到XX%（具体数据待补充），在14个真实数据集上均表现出色。

🎯 应用场景

该研究的潜在应用领域包括网络安全、金融欺诈检测和社交网络分析等，能够帮助相关行业在数据稀缺的情况下有效识别异常行为，提升安全性和决策能力。未来，随着合成数据技术的进步，可能会在更多领域得到应用。

📄 摘要（原文）

Generalist graph anomaly detection (GAD) aims to build a foundation model that detects anomalies on arbitrary unseen graphs without retraining or fine-tuning. Sufficient data are essential for foundation model training, yet generalist GAD still faces a data shortage, as real-world anomalous graphs are scarce and costly to collect and annotate. To fill this gap, we propose AG-FORGE, an Anomalous Graph generation Forge for automatic synthesis of anomalous graphs, exploring the feasibility of synthetic data-driven training for generalist GAD. Empirically, we find that synthetic data can achieve performance comparable to real-world training, but fail to push the performance boundary further due to the limited capacity of existing methods. To further unlock model capacity as training data scale up, we develop TS-GGAD, a Topology-Semantic coordinated Generalist GAD that captures complementary topological and semantic anomaly evidence, together with a curriculum learning strategy tailored to large-scale synthetic training. Extensive experiments on 14 real-world datasets demonstrate that TS-GGAD, trained on data generated by AG-FORGE, significantly outperforms state-of-the-art methods.