GraphFaaS: Serverless GNN Inference for Burst-Resilient, Real-Time Intrusion Detection¶
会议: NEURIPS2025
arXiv: 2511.10554
代码: 待确认
领域: graph_learning / systems
关键词: GNN推理, Serverless, 入侵检测, 突发负载, 图分区
一句话总结¶
提出GraphFaaS，基于Serverless的GNN推理架构用于突发负载下的实时入侵检测：时间局部性图构建+频率过滤+贪心图分区实现延迟降低85%、变异系数降低64%同时保持准确率。
背景与动机¶
来源图基于GNN的入侵检测在突发负载下延迟火爆。Serverless动态扩缩解决。
方法详解¶
- 时间局部性图构建 + 频率过滤
- 特征长度感知节点嵌入
- 贪心best-fit图分区
实验关键数据¶
- 延迟 2.1s→14.16s（降85%）
- CV降64%，准确率保持
亮点¶
- 首个Serverless GNN推理系统
- 实时入侵检测实用价值
局限性¶
超级节点依赖爆炸；需垂直扩展回退
评分¶
- 新颖性: ⭐⭐⭐⭐ Serverless+GNN
- 实验充分度: ⭐⭐⭐ 系统评估
- 写作质量: ⭐⭐⭐ 系统导向
- 价值: ⭐⭐⭐⭐ 全负载GNN推理实用