본 논문은 비지도 학습 기반 그래프 이상 탐지를 위한 새로운 프레임워크인 G3AD(Guarding Graph Neural Networks for Unsupervised Graph Anomaly Detection)를 제안합니다. 기존 GNN 기반 방법들이 그래프 이상치의 부정적 영향을 고려하지 않고 노드 표현을 학습하는 한계를 지적하며, G3AD는 보조 네트워크와 상관 제약 조건을 도입하여 GNN이 일관되지 않은 정보 인코딩에 영향받지 않도록 보호하고, 적응형 캐싱 모듈을 통해 이상치를 포함하는 관측된 그래프 데이터를 직접 재구성하는 것을 방지합니다. 다양한 GNN 백본에 적용 가능하며, 합성 및 실제 그래프 이상치 데이터셋에서 기존 최첨단 방법들을 능가하는 성능을 보입니다.
