본 논문은 동적 그래프에서의 분포 외(OOD) 탐지를 다룬다. 기존의 OOD 탐지 방법들은 정적 그래프에 초점을 맞추고 단일점 추정으로 인한 높은 편향과 분산, 그리고 OOD 학습 데이터 부족으로 인한 점수 동질화 문제를 겪는다. 이를 해결하기 위해, 본 논문은 증거 기반 심층 학습(EDL)을 활용한 EviSEC(Evidential Spectrum-aware Contrastive Learning)을 제안한다. EviSEC은 신경망의 출력을 사후 디리클레 분포로 재정의하여 입력의 불확실성을 설명하고, 스펙트럼 인식 증강 모듈을 통해 OOD 근사값을 생성하여 ID와 OOD 데이터 간 점수 차이를 넓힘으로써 점수 동질화 문제를 완화한다. 실제 데이터셋을 이용한 실험 결과, EviSEC이 동적 그래프에서 OOD 샘플을 효과적으로 탐지함을 보여준다.
