그래프 구조와 언어 정보를 결합한 전이형 이상 탐지 프레임워크
GLASS: Graph-Language Alignment with Spherical Scoring for Transferable Graph-Level Anomaly Detection
arXiv그래프 구조와 텍스트 언어 정보를 하나의 통합된 초구면 공간에 정렬하여, 그래프 수준의 이상 탐지(GLAD) 성능을 극대화한 프레임워크입니다.
- 구조적/의미적 신호를 결합하기 위해 '그래프 디스크립터 프롬프트(GraphDP)'를 생성하고, 초구면 공간에서 확률 기반 점수화(SMS) 기법을 적용했습니다.
- 가장 큰 강점은 도메인 간 전이 학습 능력으로, 별도의 재학습 없이도 소수의 정상 예시만으로 이상 탐지가 가능하여 활용 범위가 매우 넓습니다.
- 성능 발휘를 위해서는 그래프의 지역적, 전역적, 의미적 속성을 모두 포착하는 GraphDP 생성이 필수적이므로 데이터 구조화 작업이 선행되어야 합니다.
GLASS는 그래프 수준의 이상 탐지(GLAD)를 위한 프레임워크로, 단위 초구면 위에서 그래프-언어 정렬을 통해 강력한 도메인 간 전이성을 달성합니다. 이 프레임워크는 구조 인식 그래프 인코더와 지침 인식 텍스트 을 다중 슬라이스 소프트 코사인 목적 함수를 통해 정렬하여 통합 표현 공간을 구축합니다.
GLASS는 지역적, 전역적, 의미적 그래프 속성을 압축된 Graph Descriptor (GraphDP)로 직렬화하며, 이를 텍스트 브릿지로 활용해 도메인에 구애받지 않는 이상 점수화를 가능하게 합니다. 또한, 초구면 위에서 이상 탐지를 밀도 추정 문제로 공식화하고 Spherical Multi-Modal Scoring (SMS)을 도입하여 구조적 및 의미적 이상 신호를 결합합니다.
이 프레임워크의 주요 강점은 전이 학습 능력입니다. 목표 도메인의 GraphDP를 별도의 훈련 데이터 없이 인코딩함으로써 이상 탐지가 가능하며, 소수의 정상 예시만으로도 참조 집합 보정(reference-set calibration)을 통한 적응이 이루어집니다. GLASS는 총 열두 개의 와 세 가지 메타 도메인에서 최적의 평균 AUROC 및 순위를 기록했습니다.
용어 풀이
- 임베딩
- 글이나 이미지의 의미를 숫자 목록으로 바꾼 것. 의미가 비슷한 것을 찾을 때 써요.
- Prompt
- AI에게 주는 지시나 질문 글.
- 제로샷
- 예시를 하나도 주지 않고 바로 과제를 시키는 방식.
- 퓨샷
- 몇 개의 예시를 함께 보여 주고 과제를 시키는 방식.
- 벤치마크
- 모델 성능을 같은 조건에서 비교하려고 만든 시험 문제 모음.