概述
自监督学习,GraphSAGE仅考虑节点特征,使用E-GraphSAGE拓展到消息信息传播边特征。最大图互信息Deep Graph Infomax,获取图的局部特征,全局特征,负样本局部特征,判别网络
补充
流量的入侵和异常检测。它以自监督的方式利用边缘特征和图拓扑结构。据我们所知,这种方法是第一种成功实用的网络入侵检测方法,它利用自监督、边缘利用的GNN中的网络流。
年份会议级别
2022
SCI1
标签
入侵检测
异常检测
分类
自监督学习
中文标题
Anomal-E:一种基于图神经网络的自监督网络入侵检测系统
 
  • Valine