一种用于APT攻击识别的关系图聚合模型的半监督分类方法

一种用于APT攻击识别的关系图聚合模型的半监督分类方法，涉及图神经网络技术领域，解决现有高级持续性威胁攻击中存在的海量图数据、复杂关系建模和标签稀缺等问题，本发明方法中，利用RGCN层能够捕捉复杂的关系信息，而GraphSAGE层通过邻居节点的采样和聚合，灵活地处理大规模图数据。同时，采用半监督学习策略能够有效利用少量标记数据与大量未标记数据，从而减轻数据标注的压力。实验结果表明，AARGS模型在分类准确率和泛化能力方面相较于其他方法有一定的优势。同时，半监督学习方法有效减少了对高质量标注数据的依赖，从而降低了数据标注的成本和工作量。