Christos Faloutsos荣获PAKDD"最具影响力论文奖"
某中心学者、卡内基梅隆大学人工智能教授Christos Faloutsos近日在2020年太平洋-亚洲知识发现与数据挖掘会议（PAKDD）上荣获"最具影响力论文奖"。PAKDD是全球领先且历史最悠久的数据挖掘与知识发现领域国际会议之一。该奖项旨在表彰十年前在该会议上发表、至今仍对该领域产生重大影响的研究成果。
获奖论文由2020年PAKDD奖项委员会评选产生，该委员会由明尼苏达大学教授Jaideep Srivastava领导。委员会通过候选论文筛选、引用分析和同行评审等流程后做出决定。
2010年，Faloutsos在加入某中心之前，与当时卡内基梅隆大学计算机科学系的学生Leman Akoglu和Mary McGlohon共同撰写了题为《OddBall：使用加权图发现异常》的论文。该论文提出了一种检测大型加权图中异常的新方法。图由不同的实体或节点组成；节点之间的关系表示为边。节点的示例包括网络中的电子邮件服务器、社交网络的用户或政治活动的捐赠者。
作者的研究聚焦于每个节点周围的邻域（球体，因此得名"Oddball"），以发现行为异常的节点。论文中描述的技术旨在用于各种应用，包括检测电子邮件垃圾邮件发送者、发现政治活动捐款中的异常情况，以及检测社交网络上的欺诈或恶意账户。
作者提出的方法选择了一组特征来定义单个节点周围的邻域。为实现这一目标，异常检测算法优先考虑计算速度快的特征，使其特别适用于大规模实际应用。该算法寻找模式，并将显著偏离已发现模式的节点识别为异常，然后为每个节点分配一个"异常值"分数。这种快速的无监督方法无需任何用户定义的常数。
"OddBall中的工作可以帮助发现社交网络、电信网络和其他领域的异常行为，"Faloutsos表示。"我们所有的研究都专注于开发可适用于多种场景的方法，OddBall正是遵循这一原则。第二个指导原则是可扩展性。OddBall和我们所有的方法都专门设计用于扩展到大型数据集。"
在他的职业生涯中，Faloutsos一直在图和流数据挖掘、视频索引与数据挖掘、生物和医学数据库以及数据库性能评估等领域进行研究。Faloutsos的研究专注于通过开发基于数学的解决方案来解决实际研究问题，从而 bridging 理论与实践。
Faloutsos还因其1999年与两位兄弟合著的一篇论文获得了ACM-SIGCOMM（计算机网络研究的旗舰会议）颁发的"时间检验"奖。该论文通过证明网络中节点的度分布遵循幂律分布（而非高斯/泊松分布），挑战了关于互联网结构的普遍假设。这一发现对计算机网络安全、资源供应和协议设计以及社交网络用户行为分析产生了多重影响。
Faloutsos于2017年加入某中心。作为该公司消费者部门的学者，他目前专注于欺诈和异常检测，同时还参与与知识库、时间序列预测、数据库视图维护和深度学习可解释性相关的项目。
"我职业生涯中学到的主要教训之一是真实数据集的价值。是的，它们有错误——随机的或系统性的；它们有缺失值（通常伪装成'-1'或'0'）；类别标签偶尔会出错；它们还有其他几个教科书很少涉及的问题。然而，它们帮助我们发现了我们事先无法想象的模式和规律。"
"我学到的第二个教训，"他继续说，"是从研究问题出发寻找解决方案，而不是相反。绝大多数数据挖掘问题似乎都有简单的解决方案（'进行聚类'或'使用决策树'）。然而，细节决定成败：实际问题常常违反教科书中的假设（如均匀性假设、高斯性、平稳性等），作为研究人员，我们需要开发超越教科书的新方法来解决现实世界的问题。"
更多精彩内容 请关注我的个人公众号 公众号（办公AI智能小助手）或者 我的个人博客 https://blog.qife122.com/
对网络安全、黑客技术感兴趣的朋友可以关注我的安全公众号（网络安全技术点滴分享）
公众号二维码
公众号二维码
