[发明专利]一种增量并行式动态图的结构异常检测方法

摘要

本发明涉及一种增量并行式动态图的结构异常检测方法，该方法首先使用时间滑动窗口对图进行划分，在初始化阶段选取N个子图并行检测正常模式和异常子结构，然后并行迭代地确定剩余子图中的正常模式和异常子结构。在正常模式检测中使用最小描述长度原理，能从多个层次对原始图进行压缩和异常检测。本发明在多个大规模图数据集上验证所提算法，实验结果表明所提方法能有效地、增量地检测大规模图流数据中的异常。

主权项

一种增量并行式动态图的结构异常检测方法，其特征在于，包括如下步骤：初始化阶段：S1：将所有待处理的图数据划分为N*X个子图；S2：并行处理第一个子图集中的N个子图，也即第1‑第N个子图，每个子图发现若干个正常模式；S3：根据发现的若干个正常模式判定基准模式；S4：根据基准模式发现前N个子图中每个子图的可能异常子结构；S5：从各可能异常子结构中找出最可能的异常子结构，作为最后确定的异常子结构；迭代处理阶段：S6：将刚刚处理完的子图集直接向后增加一个子图；或舍弃第一个子图，并按顺序向后增加一个子图，形成一个新的子图集；S7：判断是否需要重新生成正常模式，如果需要，则根据与步骤S2‑S5相同的方法判定新的子图集中的异常子结构；如果不需要，则根据步骤S8‑S10的方法判定新的子图集中的异常子结构；S8：从步骤S6中新增加的子图中分别找出若干个正常模式，并与此轮子图集中其它子图的正常模式整合出此轮子图集的基准模式；S9：若步骤S8中的基准模式与步骤S6中刚刚处理完的子图集的基准模式相同，则根据相同的基准模式找到新增加的一个或两个子图中的可能异常子结构，并结合此轮子图集中其它子图的可能异常子结构找到此轮子图集中的异常子结构；S10：若步骤S8中的基准模式与步骤S6中刚刚处理完的子图集的基准模式不同，则根据步骤S8中基准模式找到此轮子图集中所有子图的可能异常子结构，并从所有子图的可能异常子结构中找到异常子结构；S11：重复步骤S6‑S10，直到处理完最后一个子图。