这个方向有什么用？
先从三个你熟悉的场景说起——它们背后都是“图”上的问题。
诈骗团伙是怎么被发现的？
诈骗团伙的转账和通话，会在资金与通信网络里形成反常的“小圈子”。对应研究：动态图异常检测——在上亿条记录里自动找出这些反常结构。
谣言是怎么传开的？
一条谣言在社交平台上的转发路径会形成独特的传播树，与真实新闻的传播结构差异明显。对应研究：传播预测与谣言检测——从传播结构识别谣言、预测扩散趋势。
App 怎么知道“你可能认识 TA”？
社交平台的“可能认识的人”、电商的“猜你喜欢”，本质都是在图上预测未来会出现的链接。对应研究：链接预测与图表示学习。
我们在研究什么
四条相互支撑的主线：从表示、检测，到预测与结构分析。
01图表示学习
学习保留结构、时序与语义信息的节点、边与子图表示：包括匿名边表示、双曲空间嵌入、知识增强表示，以及面向分布漂移的连续时间动态图不变表示，为下游检测与预测任务提供高质量的图特征基础。
02动态图异常检测
在持续演化的图中识别异常节点、边与子图结构。针对异常稀少、模式未知、随时间漂移的特点，研究无监督、归纳式与少样本检测方法，支撑日志异常、APT 检测、诈骗识别等真实场景。
03链接与传播预测
预测图的未来演化：信息如何扩散、链接何时形成、谣言如何传播。研究成果应用于社交舆情分析、虚假信息检测与时空事件预测。
04社区发现与子图结构分析
在异构图中高效发现紧密社区与可疑子图，回答“哪些节点构成一个团伙、为什么”，并结合反事实证据校准为异常检测结果提供可解释的支撑。
代表性成果
本方向近年的部分论文（完整列表见主页）。
Invariant Graph Representations for Continuous-Time Dynamic Graphs Under Distribution Shifts
Lanting Fang, Yulian Yang, Yawei Zhang, Shanshan Feng, Kaiyu Feng, Hanning Yuan
IJCAI 2026 · CCF B
Unseen Anomaly Detection from System Logs
Yanni Tang, Zhuoxing Zhang, Lanting Fang, et al.
SIGMOD 2026 · CCF A
Budgeted Strong Community Search in Heterogeneous Graphs
W. Zhang, Kaiyu Feng, Lanting Fang, et al.
VLDB 2025 · CCF A
Substructure-aware Log Anomaly Detection
Yanni Tang, Zhuoxing Zhang, Kaiqi Zhao, Lanting Fang, et al.
VLDB 2024 · CCF A
Anonymous Edge Representation for Inductive Anomaly Detection in Dynamic Bipartite Graphs
Lanting Fang, Kaiyu Feng, Jie Gui, Shanshan Feng, Aiqun Hu
VLDB 2023 · CCF A
Unsupervised Rumor Detection Based on Propagation Tree VAE
Lanting Fang, Kaiyu Feng, Kaiqi Zhao, Aiqun Hu, Tao Li
TKDE 2023 · CCF A
H-Diffu: Hyperbolic Representations for Information Diffusion Prediction
Shanshan Feng, Kaiqi Zhao, Lanting Fang, et al.
TKDE 2022 · CCF A
在研课题 · Demo
课题面向研究生与优秀本科生开放，Demo 与代码将陆续上线。