Adaptive aggregation relational graph convolutional neural network semi-supervised classification method for APT attack recognition

Weiwu Ren

doi:10.1007/s11227-026-08694-0

Adaptive aggregation relational graph convolutional neural network semi-supervised classification method for APT attack recognition

2026-07-03

0

PRE

AI

DOI：10.1007/s11227-026-08694-0

原文链接

原文求助

摘要

En 中文

随着社交网络和复杂网络数据的增长，高级持续性威胁（APT）攻击因其隐蔽性和复杂性对网络安全构成了重大挑战。APT攻击通常涉及大量相互关联的实体和关系，形成复杂的网络结构。然而，传统方法在处理此类多关系数据时往往表现出有限的一般化能力。此外，APT数据的收集和标注工作量大且困难，这阻碍了模型在训练中充分利用数据，最终影响性能。为解决这两个问题，本文提出了一种基于自适应聚合关系图卷积网络（RGCN）的半监督分类方法用于APT攻击检测。通过利用RGCN捕获复杂关系信息的能力并采用自适应聚合策略，所提出的方法能够有效处理大规模图数据，同时保留关键结构特征并优化计算效率。同时，通过半监督学习方式，模型利用少量标注数据和大量未标注数据之间的协同学习机制。这减少了对外部专家知识和人工干预的依赖，能够在有限专家参与的情况下实现高效的知识发现和模型优化。实验结果表明，所提出的模型在分类精度和泛化能力方面相比其他方法具有一定优势。

Keyword:

Relational graph convolutional network

Semi-supervised classification

Attack recognition

Cybersecurity knowledge graph

Adaptive aggregation relational graph convolutional neural network semi-supervised classification method for APT attack recognition

摘要

期刊

机构