본 논문은 그래프 이상 탐지(GAD)에서 딥러닝 기반 접근법의 높은 구축 비용과 확장성 문제를 해결하기 위해, 학습이 필요 없는 새로운 방법인 FreeGAD를 제안합니다. FreeGAD는 친화도 게이트가 있는 잔차 인코더를 사용하여 이상치를 인식하는 표현을 생성하고, 앵커 노드를 가이드로 활용하여 이상치 점수를 계산합니다. 기존 딥러닝 기반 GAD 방법과 달리, FreeGAD는 학습이나 반복적인 최적화 없이도 여러 벤치마크 데이터셋에서 우수한 성능, 효율성 및 확장성을 보여줍니다. 기존 딥러닝 기반 GAD의 학습 단계가 예상보다 성능에 기여하는 바가 적다는 경험적 결과에 착안하여 개발되었습니다.
