基于图卷积神经网络的网络安全态势感知研究

随着网络技术的进步和网络应用的普及,网络安全问题日益严峻。为应对这一挑战,本文将图卷积神经网络(Graph ConvolutionalNetwork,GCN)应用于网络安全态势感知,此方法对复杂的网络系统表现出良好的适应性和解释能力。文本在前人的基础上进行研究,通过使用基于随机森林的特征选择方法,将CICIDS2017入侵检测数据集原有83个特征项优化为69个,进一步调整超参数,并使用GCN增强模型对数据进行训练验证。结果显示,该模型在准确率和精确度对比前人研究结果有了大幅提高,在小数据量的攻击类别识别上也有更好的性能表现。