一种动态全局特征融合的图神经网络框架

一种动态全局特征融合的图神经网络框架。由于现有的图神经网络(GNN)存在难以同步捕捉网络拓扑的动态变化和时间序列特征和特征融合机制不完善，无法充分利用多源特征信息等局限性，本发明提出一种动态全局特征融合图神经网络框架。该框架的主要作用是对网络数据进行双线程特征提取和全局特征融合，来完成异常网络数据的检测或分类。具体来说，由于图神经网络存在局限性，不能同时捕捉时空特征并且特征融合机制不完善，对此我们采取双线程特征提取器，利用隐式特征提取器、显式特征提取器和多层次非线性信息感知机制，同时捕获数据的拓扑特征和统计特征，并通过全局特征融合引擎进行特征融合，再通过多层次全局信息演化融合机制进行循坏特征提取和全局特征融合，最后根据输出层的节点结构和非线性激活函数，比较输出概率与预设的阈值，完成网络数据的异常检测或分类，从而有效提升网络数据检测的精度和模型对复杂网络环境的适应性。