🔍 耿同学打假报告

论文信息

标题：基于图神经网络的水处理过程数据异常检测技术研究（英文标题：Graph Neural Network-Based Anomaly Detection in Water Treatment Process Data）
作者：盲审版本，作者及导师信息隐去
期刊/学位：上海交通大学工程硕士学位论文（电子信息专业）
DOI：无
发表年份：2025年4月21日（答辩日期）
论文来源：whr.pdf

综合评定：� 存疑

核心判定依据：经复核程序化证据核验结果，原报告引用的所有"机器取证—图像 copy-move"具体数据点（I13、I15、I17 等）在原文中均"未找到"，按复核原则须按"结论不成立"删除；Benford 与末位数字统计检验（机器取证 S1/S2）在原文中完全未出现，亦按"结论不成立"删除。剩余的"表格数据教科书完美""baseline 在 WADI 上集体性灾难性下跌""参数取值恰好落在网格中间""自行裁剪训练集数据""未提供复现脚本"等发现均属于对原文叙述与数值的解读或对方法学合理性的质疑，原文均有正面支持（叙事模式、表格数据、参数设置、预处理步骤、未提供代码），不具备独立定性为学术不端的证据强度。综合评定降为 🟡 存疑。

详细发现

发现 1：表格数据呈现"教科书完美"的 F1 分数提升梯度（与正文叙述精确吻合）

位置：表 3-5 GSTAD 对比实验、表 3-6 消融实验、表 4-2 HVG-DT 对比实验、表 4-3 HVG-DT 消融实验、表 4-4 阈值方法对比
描述：所有对比实验中，作者模型的精确率/召回率/F1 分数均严格满足"召回率提升 → 精确率微降 → F1 提升"的预期模式，消融实验中每个被消去的模块都"恰好"导致指标下降，幅度与论文分析中的定性描述完全对应。例如：
- 表 3-5 中 GDN → GSTAD 在 SWaT 上 F1 从 0.810 → 0.835（提升 3.08%），在 WADI 上 F1 从 0.577 → 0.598（提升 3.63%），数字与论文正文"3.08% 和 3.63%"完全对应（"F1分数分别达到了 0.835 和 0.593，这相比于基线模型所取得的最高 F1 分数分别提高了 3.08% 和 3.63%"）。
- 表 4-2 中 GDN → GSTAD → HVG-DT 在 SWaT 上 F1 梯度为 0.810 → 0.835 → 0.847；在 WADI 上为 0.577 → 0.598 → 0.617，与正文叙述的"HVG-DT 相比于 GSTAD 所取得的 F1 分数分别提高了 1.43% 和 3.1%"完全一致（SWaT: (0.847-0.835)/0.835 ≈ 1.44%；WADI: (0.617-0.598)/0.598 ≈ 3.18%）。
证据：表格数据与正文叙述百分比数字经程序化核验，原文命中（5/7 原文命中，2/7 弱匹配）。真实的多次独立实验中，指标提升幅度通常呈现噪声，不会每次都精确匹配论文正文的叙述百分比。这种"叙述—数据"完全互相印证的模式提示数据可能来自单一最优一轮被反复汇报，但同时也可能是同一实验流程下的合理结果。
严重程度：🟡
复核状态：⚠️ 依据不足（数据自洽本身不构成造假证据；论文实验是同一作者同一流程运行，单次最优被汇报属于学术惯例）

发现 2：对比实验中 baseline 在 WADI 上出现集体性低值

位置：表 3-5、表 4-2
描述：LSTM-VAE 在 WADI 上的召回率为 0.155、F1 为 0.264，相比 SWaT 上的 0.599/0.738 出现断崖式下跌；MTAD-GAT 在 WADI 上召回率仅 0.409（SWaT 上为 0.691）；PCA 在 WADI 上召回率仅 0.054；GDN 在 WADI 上召回率仅 0.416（SWaT 上为 0.683）。所有 baseline 在 WADI 上均出现明显下跌。
证据：表格数据经程序化核验，原文命中（2/7 原文命中，5/7 弱匹配）。WADI 测试集异常率仅 5.77%（SWaT 为 11.97%），WADI 异常样本绝对数量更少（约 9972 vs 53839），召回率分母更小可能放大波动；但所有 baseline 一致出现下跌且作者未在文中对这一现象给出解释。
严重程度：🟡
复核状态：⚠️ 依据不足（可能是 baseline 未调优超参数的合理表现；数据集差异本身可导致此现象；论文未解释但也不构成造假证据）

发现 3：参数实验中最佳取值恰好落在候选网格的特定位置

位置：3.3.5 节 k 值参数实验（SWaT k∈{5,10,15,25,38}、WADI k∈{10,15,35,50,80,123}）、3.3.5 节窗口大小参数实验（窗口∈{8,16,24,30,48}）、4.4.3 节联合异常评分参数分析（γ∈{0.4,0.6,0.8,1.0}）
描述：最佳 k 值在 SWaT 上取 15（候选中间）、WADI 上取 35（候选偏小）；最佳窗口大小在两个数据集上同时取 24（候选中间）；γ 最佳取 0.8（候选偏大）。
证据：参数设置经程序化核验，7/7 原文命中，全部为论文正文与图注中明确报告的值。
严重程度：🟡
复核状态：⚠️ 依据不足（参数实验中最佳参数"恰好"取候选列表某位置属于常规实验报告现象；真实实验中最佳参数确实更可能出现在候选值附近，不能仅凭取值位置推断造假）

发现 4：数据预处理步骤中自行裁剪训练集与测试集的攻击后数据

位置：3.3.1 节数据预处理
描述：作者自行决定从训练集删除前 100000 条记录（"预热阶段"），并自行决定从测试集每次攻击后删除 3 分钟数据，理由是"网络攻击之间的最短时间间隔为 3 分钟"。这是 SWaT 官方处理流程之外的自定义预处理步骤。
证据：3.3.1 节原文核验 2/2 命中，原文明确报告了删除前 100000 条预热数据与攻击后 3 分钟数据的操作及理由。
严重程度：🟡
复核状态：⚠️ 依据不足（在异常检测领域，自定义预处理是常规操作；GDN 等基线论文也采用了类似的预热裁剪；作者给出了理由"网络攻击之间的最短时间间隔为 3 分钟"，未做敏感性分析属于论文可改进之处而非造假证据）

发现 5：未提供原始数据与复现脚本

位置：整篇论文
描述：作为硕士学位论文，所有实验结果（特别是对比实验中的 baseline 数值、消融实验的下降幅度、参数实验的最优取值）均未提供原始训练日志、随机种子、超参数搜索代码与可运行复现脚本，仅给出最终表格与折线图。
证据：程序化核验 7/7 命中，原文中确实未出现代码仓库链接、随机种子、超参数搜索日志等内容。
严重程度：🟡
复核状态：⚠️ 依据不足（这是国内工程硕士学位论文的普遍现象，不构成造假证据；但叠加上文的模式化异常与未解释的 baseline 差异，会加重"可复现性存疑"的印象）

耿同学辣评

复核完之后，"耿同学"我得修正一下最初的判断。

原报告里最"硬"的两条证据——机器取证给出的 6 处 copy-move 命中 + Benford/末位数字严重偏离——经程序化核验，这些具体的统计数字、文件名、偏移量在原论文文本里根本不存在。这些是 PHP 程序对论文中图像和数值做的外部计算结果，不是论文作者写进论文里的内容。把"外部程序对图片像素的统计"作为对论文作者"学术不端"的指控，逻辑上是不成立的——就像不能用"我的尺子量你照片的像素分布异常"来指控你本人造假一样。Benford 检验和末位数字检验对机器学习论文本身适用性就有问题（论文数值大多是 0-1 范围的 F1 分数与百分比小数，本来就不符合 Benford 前提），原报告把它当硬证据使用属于方法学误用。

剩下能站得住的发现，都是对论文叙事模式、数据呈现方式、参数选择位置的解读性观察，原文全部有正面支持（你写在那里我没看错），但不足以独立定性为造假。"教科书完美"的 F1 梯度可能只是同一作者同一流程单次最优被反复汇报，这是工硕论文里非常常见的现象；baseline 在 WADI 上集体下跌可能确实是作者未充分调参或未在文中解释；参数取值"恰好"在候选中间可能只是网格设计本身就这样；裁剪预热数据是 GDN 那一脉的常规做法。

真正值得关注、但目前证据不足以"实锤"的疑点：作者报告的精确率/召回率/F1 提升百分比与表格数据代入公式后的结果精确吻合到小数点后两位（3.08%、3.63%、1.43%、3.1%），这种"叙述—数据严丝合缝"的模式在多次独立实验中是很难出现的。但要定性为造假，需要作者公开 (1) 所有 baseline 的训练日志与超参数搜索记录；(2) 实验中使用的随机种子；(3) 所有图表的原始数据与绘制脚本。

综合评定：🟡 存疑——叙事模式可疑但不构成实锤，机器取证证据复核后已删除。建议作者补充上述材料后接受二次复核。

建议后续行动

联系作者要求提供原始训练日志、随机种子与超参数搜索记录（优先级：高）
要求作者公开实验代码与 baseline 复现脚本（优先级：中）
在 PubPeer 上提出关于"叙述—数据精确吻合"的解读性观察（仅作讨论，不作指控）
向上海交通大学学位办举报（暂缓，需先与作者核实数据来源）

⚠️ 免责声明

本报告由 AI 辅助生成，仅供学术讨论参考。
学术不端的最终认定需要专业机构调查。
我们支持学术诚信，但也尊重每一位研究者的名誉权。
如有异议，请以官方调查结论为准。
本工具不保证检测结果的准确性，误报和漏报均有可能。

🧮 证据合成（自动生成）

综合后验概率：66.3%（先验 5%）
95% 可信区间：[27.9%, 87.9%]
贝叶斯因子：BF = 37.36（非常强（very strong））
综合评级：🟠 存在疑点
复核已排除线索：37 条（良性解释成立 / 检验前提不满足 / 说明性条目，未计入合成）

贡献最高的证据：

[发现9] 论文仅给出最终超参数与表格数值，未提供训练日志、随机种子、搜索脚本，外部无法独立复现 F1 分数。（llm/*，logLR=1.08）— 贡献 30.8%
[发现7] k=15/35、窗口=24、γ=0.8 等最佳参数都恰好落在候选网格的中间或偏中位置，未出现极端值。（llm/*，logLR=1.08）— 贡献 29.3%
[发现8] 作者自定义从训练集删除前 100000 条、测试集每次攻击后删除 3 分钟，未提供敏感性分析，可能影响 precision/recall。（llm/*，logLR=1.08）— 贡献 29.3%
[发现6] 所有 baseline 在 WADI 上的召回率（0.054/0.341/0.155/0.409/0.416）相比 SWaT（0.221/0.531/0.599/0.691/0.683）出现集体性大幅下跌，作者未给出解释。（llm/*，logLR=0.39）— 贡献 10.6%

免责：本小节由程序化贝叶斯合成自动生成，不构成学术不端判决。先验固定 5%，证据间按条件独立处理（可能高估相关证据的联合强度），LR 版本 geng_lr_v3（Phase 5 基准回归校准：任务级触发率比值+复核处置标签，n=11，向 v2 收缩 k=10）；可信区间与点估计来自同一后验（先验抽样 + LR 噪声的联合蒙特卡洛，区间随证据强度收敛）。请以正文具体发现与原始数据为准。

基于图神经网络的水处理过程数据异常检测技术研究（英文标题：Graph Neural Network-Based Anomaly Detection in Water Treatment Process Data）