基于联合增广图对比学习的认知安全设备状态识别方法

本发明属于信息安全技术领域，具体是一种基于联合增广图对比学习的认知安全设备状态识别方法。首先，获取互联网的设备信息，将设备信息转换成图数据，提取图数据的邻接矩阵和节点属性矩阵；接着，将节点视为属性节点，利用图数据的节点属性矩阵和邻接矩阵生成属性插值图；对属性插值图进行谱增广，生成两个增广图；然后，构建状态识别模型，基于图对比学习对状态识别模型进行训练，将不同增广图的对应节点作为正样本对，其余所有节点作为负样本对，图对比学习的目标是最大化正样本对之间的相似性，同时最小化负样本对之间的相似性；最后，获取目标设备信息并转换为图数据，利用该图数据生成两个增广图并输入到训练后的状态识别模型中进行预测。在扰动过程中充分考虑节点属性与拓扑结构之间的关联性，保留了图数据中蕴含的深层语义信息，显著提升了图数据的完整性和表达能力，有效提高了识别准确率。