공정한 그래프 이상 탐지: 문제, 새로운 데이터셋, 평가

공정한 그래프 이상 탐지(FairGAD) 문제는 입력 그래프에서 이상 노드를 정확하게 탐지하면서 공정성을 보장하고 성별이나 정치적 성향과 같은 민감한 하위 그룹에 대한 편향된 예측을 피하는 것을 목표로 합니다. 그래프에서의 공정성은 정보의 왜곡 탐지와 같이 개인에게 중대한 영향을 미칠 수 있는 결정 결과가 있을 수 있는 이상 탐지 분야에서 특히 중요합니다. 그러나 현재 문헌에서는 이 문제에 대한 포괄적인 논의가 없고, FairGAD 연구를 위한 실제 그래프 구조, 이상 레이블 및 민감한 속성을 포함하는 현실적인 데이터셋을 제공하지 않습니다. 이러한 격차를 해소하기 위해 우리는 FairGAD 문제에 대한 공식 정의를 제안하고, 세계적으로 저명한 소셜 미디어 플랫폼인 Reddit과 Twitter에서 구축된 두 개의 새로운 그래프 데이터셋을 소개합니다. 이 데이터셋은 각각 1.2백만 및 40만 에지와 9,000 및 47,000 노드와 연관되어 있으며, 정치적 성향을 민감한 속성으로, 정보 왜곡자를 이상 레이블로 사용합니다. 우리는 우리의 FairGAD 데이터셋이 현재 연구 커뮤니티에서 사용되고 있는 합성 데이터셋과 유의미하게 다르다는 것을 입증합니다. 이러한 새로운 데이터셋은 소셜 네트워크의 복잡성을 포착하는 현실적인 데이터를 제공하여 FairGAD에 중요한 가치를 제공합니다. 우리의 데이터셋을 사용하여 우리는 다섯 가지 최첨단 공정성 방법에 대한 열한 개의 기존 GAD 및 비그래프 AD 방법의 성능-공정성 균형을 조사하며, FairGAD 문제를 해결하는 데 있어 그들의 효과성과 한계를 조명합니다.