Pré-Publication, Document De Travail Année : 2025

Detecting Anomalies Using Graph Neural Networks: A Review

Résumé

Anomaly detection is the process of identifying unusual behaviors in systems. In this wide-ranging field, graph neural networks (GNNs) are highly effective compared to the other proposed approaches in the literature. This article summarizes the representative GNN-based methods for anomaly detection and proposes a novel taxonomy based on how these methods predict anomalies.

La détection d'anomalies est le processus d'identification de comportements inhabituels dans les systèmes. Dans ce domaine vaste, les réseaux de neurones graphiques (GNN) se distinguent comme étant très efficaces parmi d'autres approches proposées dans la littérature. Cet article résume les méthodes basées sur GNN pour la détection d'anomalies, et propose une nouvelle taxonomie basée sur comme les prédictions d'anomalies sont réalisées.

Fichier principal
Vignette du fichier
GNN_AD_OZGUNAY_SENA.pdf (497.42 Ko) Télécharger le fichier
Origine Fichiers produits par l'(les) auteur(s)
Licence

Dates et versions

hal-05002338 , version 1 (28-03-2025)
hal-05002338 , version 2 (20-05-2025)
hal-05002338 , version 3 (13-10-2025)

Licence

Identifiants

  • HAL Id : hal-05002338 , version 1

Citer

Sena Ozgunay, Louise Travé-Massuyès, Jean-Michel Loubes, Raul Sena Ferreira. Detecting Anomalies Using Graph Neural Networks: A Review. 2025. ⟨hal-05002338v1⟩
2641 Consultations
1867 Téléchargements

Partager

  • More