Glossaire IA
Le dictionnaire complet de l'Intelligence Artificielle
Graph Anomaly Detection
Ensemble de techniques visant à identifier des motifs, nœuds ou relations anormales dans des structures de données graphiques par rapport à un comportement attendu ou normal.
Node Anomaly Detection
Processus d'identification de nœuds dans un graphe présentant des caractéristiques structurelles ou attributaires significativement différentes de la majorité des autres nœuds.
Edge Anomaly Detection
Technique consistant à détecter des arêtes ou connexions inhabituelles dans un graphe, souvent basée sur des poids, fréquences ou patterns de connexion anormaux.
Subgraph Anomaly Detection
Méthode d'identification de sous-structures graphiques complètes présentant des propriétés statistiques ou structurelles divergentes du graphe global.
Graph Neural Networks for Anomaly Detection
Architecture de deep learning adaptée aux structures graphiques utilisant des mécanismes de propagation de messages pour détecter des anomalies via l'apprentissage de représentations.
Spectral Anomaly Detection
Approche basée sur l'analyse des valeurs et vecteurs propres de la matrice d'adjacence ou laplacienne pour identifier des anomalies structurelles dans les graphes.
Graph Embedding for Anomaly Detection
Transformation des entités graphiques en espaces vectoriels de faible dimension permettant l'application d'algorithmes classiques de détection d'anomalies.
Temporal Graph Anomalies
Détection de comportements anormaux dans des graphes dynamiques où les relations et attributs évoluent temporellement, nécessitant une analyse spatio-temporelle.
Attributed Graph Anomaly Detection
Détection d'anomalies dans des graphes enrichis d'attributs sur les nœuds et arêtes, combinant informations structurelles et sémantiques pour une détection robuste.
Graph Community Anomaly Detection
Identification de communautés ou clusters anormaux présentant des densités de connexion internes ou externes inhabituelles par rapport aux communautés typiques.
Graph Outlier Detection
Processus systématique d'identification d'observations extrêmes ou déviantes dans les données graphiques pouvant indiquer des erreurs, fraudes ou comportements malveillants.
Graph Pattern Anomaly Detection
Recherche de motifs ou schémas récurrents anormaux dans les graphes, souvent basée sur des fréquences d'apparition ou des structures topologiques inhabituelles.
Graph Centrality Anomaly Detection
Détection d'anomalies basée sur l'analyse des mesures de centralité (betweenness, closeness, eigenvector) pour identifier des nœuds avec une influence anormalement élevée ou faible.
Graph Degree Anomaly Detection
Identification de nœuds présentant des degrés de connexion anormalement élevés ou faibles par rapport à la distribution attendue dans le graphe.
Graph Neighborhood Anomaly Detection
Technique analysant les caractéristiques locales des voisinages de nœuds pour détecter des anomalies basées sur des structures de voisinage inhabituelles.
Dynamic Graph Anomaly Detection
Détection d'anomalies dans des graphes évolutifs où les nœuds et arêtes apparaissent, disparaissent ou changent au cours du temps, nécessitant des algorithmes adaptatifs.
Graph Structure Anomaly Detection
Analyse purement topologique du graphe pour identifier des anomalies structurelles indépendamment des attributs, basée sur les propriétés de connectivité et morphologiques.
Graph Feature Anomaly Detection
Détection d'anomalies basée sur l'extraction et l'analyse de caractéristiques graphiques spécifiques comme les triangles, chemins ou motifs locaux inhabituels.