近日，哈尔滨工程大学计算机科学与技术学院智能物联网与群智计算团队1篇论文获第33届国际多媒体领域大会（ACM MM 2025）录用，会议将于2025年10月27-31日在爱尔兰都柏林举行。ACM MM是计算机多媒体领域顶级学术会议，为CCF推荐A类会议。
题目：Breaking Semantic Barriers: A Zero-Shot Generalized Framework for Graph Anomaly Detection
作者：郑香平，冯璇，吴博，任斌，李伟，郝秀鑫，梁循，唐滨，於志文
论文介绍：多模态跨域图异常检测是一类旨在识别未见领域中行为异常节点的重要任务，在多媒体内容安全、金融风险控制等应用场景中具有广泛应用前景。然而，现有异常检测方法通常依赖于在单一数据集上训练的语义信息，难以有效刻画跨域图中节点的结构共性，限制了模型在多域复杂环境中的泛化性能。为应对这一挑战，本文提出了一种面向跨域多模态图场景的零样本异常检测通用框架Zero-GAD（Zero-shot Graph Anomaly Detection），首次引入去语义化检测策略，通过结构频谱建模构建域无关表示模型，实现了在完全无标签、无需微调的条件下对未见图域的直接检测。Zero-GAD方法包含两个关键组成模块：一是全局信息统一模块，将图结构数据投影至谱域后进行归一化处理，从频谱空间实现图间结构统一；二是节点中和差异评分模块，利用图自编码器重构节点表示，通过原始与重构节点间的差异直接生成无监督异常评分，彻底摆脱对语义标签的依赖。该方法无需复杂优化模块，显著提升了模型的可迁移性与检测鲁棒性。
本论文首次提出的去语义建模框架为零样本图异常检测任务提供了全新范式，不仅显著降低了模型泛化的结构壁垒，也提升了跨域检测任务中的准确性与稳定性。大量在真实世界跨域图数据集上的实验证明，Zero-GAD在多个任务中均显著优于当前主流方法，展示出其在复杂、异构、多变环境下的强大应用潜力与推广价值。