FoundAna：用于图异常检测的 GNN 辅助基础模型

图异常检测旨在识别与预期模式显着偏离的图结构（例如节点、边或子图），这支持欺诈检测、垃圾邮件识别、网络入侵等方面的关键应用。尽管该领域的方法不断增长，但现有方法遵循每个数据集一个模型的范式，由于任务异构性、标签稀缺性和领域可变性，限制了它们在不同现实场景中的可转移性。在这项工作中，我们介绍了 FoundAna，一种用于图异常检测的 GNN 辅助基础模型，这是第一个通过结合 GNN 和 Transformer 来进行泛化跨图异常检测的基础模型框架。 FoundAna 将异常检测专用的 GNN 组件与标准 Transformer 编码器集成，并通过四个互补的位置编码进行增强，使模型能够捕获局部和全局结构信息。具体来说，位置编码丰富的节点表示通过属性和邻接解码器，并且重建误差用作异常分数。对涵盖金融、社交和引文网络领域的九个基准数据集进行的广泛实验表明，FoundAna 始终优于最先进的基准。代码实现和补充材料在这里：https://github.com/FoundAna331/FoundAna。