基于改进的E-GraphSAGE和CNN的入侵检测方法

来源：计算机技术与发展杂志2025年第09期北京时间：

作者：刘联海;张煜华;黎汇业

摘要：针对现有的网络入侵检测方法存在检测精度不佳、泛化能力弱等问题,该文提出了一种基于改进的E-GraphSAGE和CNN的网络入侵检测方法。首先将流量特征构建成图结构,随后在E-GraphSAGE的基础上引入图注意力网络,依据邻居节点和边的注意力权重来进行节点聚合,生成更具区分性的节点嵌入。然后借助深度图信息化进行图训练,充分学习图的拓扑结构和边信息,最后将提取出的边缘嵌入特征,输入到层次化注意力残差卷积网络中进行检测分类。在公开的数据集NF-CSE-CIC-IDS2018-v2和NF-BoT-IoT-v2上的实验结果表明,该方法的准确率分别达到了99.46%和99.78%,与传统的入侵检测方法和目前已知的图神经网络方法相比,该方法具有更高的检测精度和更好的泛化能力,有效提高了网络入侵的检测性能。

关键词：图神经网络;图注意力网络;残差网络;深度图信息化;入侵检测