利用本地图推理进行恶意互联网实体检测
原文中文,约300字,阅读约需1分钟。发表于: 。在大型网络中检测恶意行为是一个具有挑战性的问题,本研究提出了一种基于图数据学习的新视角,通过建模网络实体之间的相互作用,使用神经网络架构 HMILnet 实现高表达能力和可扩展推断,实验表明在使用附加数据时能够比现有算法更进一步提高准确性,并展示了该方法对于新的、以前未见的实体的泛化能力。
该文章介绍了一种基于图数据学习的方法,用于检测大型网络中的恶意行为。通过建模网络实体之间的相互作用,使用HMILnet神经网络架构实现高表达能力和可扩展推断。实验结果表明,该方法在使用附加数据时提高了准确性,并展示了对于新的、以前未见的实体的泛化能力。