Communication Dans Un Congrès 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 vise à identifier des comportements atypiques au sein des systèmes complexes. Parmi les différentes approches développées dans ce domaine, les réseaux de neurones graphiques (GNN) se distinguent par leur efficacité. Dans cet article, nous proposons une revue des méthodes fondées sur les GNN pour la détection d’anomalies, et introduisons une nouvelle taxonomie, construite autour des mécanismes de prédiction d’anomalies utilisés.

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 2

Citer

Sena Ozgunay, Louise Travé-Massuyès, Jean-Michel Loubes, Raul Sena Ferreira. Detecting Anomalies Using Graph Neural Networks: A Review. 23es Rencontres des Jeunes Chercheurs en Intelligence Artificielle (RJCIA 2025), Plate-Forme Intelligence Artificielle, Jun 2025, Dijon, France. ⟨hal-05002338v2⟩
2641 Consultations
1867 Téléchargements

Partager

  • More