基于图神经网络的异构网络信息安全漏洞深度检测方法
费圣翔1
陈子龙2
王冲2
王睿3
刘新鹏4
1.山东九州信泰信息科技股份有限公司,济南 2501012.山东慢雾信息技术有限公司,济南 2501023.国网山东省电力公司电力科学研究院,济南 2500034.恒安嘉新(北京)科技股份公司,北京 100080
摘要：受到连接设备多样性以及互操作性特点的影响,异构网络节点之间的关联关系较为复杂,因此在进行安全漏洞检测时,通常会引起缺乏对节点关联关系的有效捕捉而导致检测精度不佳.对此,提出基于图神经网络的异构网络信息安全漏洞深度检测方法.以异构网络实体作为图节点,并以不同实体之间的关联关系作为边,将异构网络转换为图表示,并分别采用邻接矩阵以及权重矩阵对节点以及边信息进行提取.采用图神经网络领域中的GraphSAGE网络模型对异构网络的节点和边进行处理,并引入注意力机制以学习节点特征表示.将异构网络中节点和边的特征向量作为数据输入,结合随机森林算法构建一个分类器,并通过对其进行训练,使其能够根据边和节点的属性信息对是否存在安全漏洞进行判断,最后结合投票法对输入样本的所属类别进行确定.在实验中,对提出的方法进行了检测精度的检验.最终的测试结果表明,采用提出的方法对异构网络安全漏洞进行检测时,漏洞风险等级的匹配度较高,具备较为理想的检测精度.
关键词：图神经网络异构网络安全漏洞检测方法检测精度
分类号：TP393(计算技术、计算机技术)
论文发表日期：2024-09-30
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：7( 180-186 )
英文信息