能发顶会！图神经网络（GNN）创新方案整理

2024深度学习发论文&模型涨点之——图神经网络

图神经网络（Graph Neural Networks，简称GNN）是一种专门用于处理图数据的深度学习模型。它通过迭代地传递和聚合节点及其邻居的特征信息，从而学习节点和图的表示。GNN的核心思想是利用图中的节点和边之间的关系，通过消息传递和节点更新的方式，来捕捉图的局部结构和全局拓扑特征，进而提取更丰富的特征表示。

我整理了一些图神经网络【论文+代码】合集，需要的同学公人人人号【AI创新工厂】自取。

论文精选

论文1：

TFE-GNN: A Temporal Fusion Encoder Using Graph Neural Networks for Fine-grained Encrypted Traffic Classification

TFE-GNN：使用图神经网络的细粒度加密流量分类的时间融合编码器

方法

字节级流量图构建：提出了一种基于点互信息（PMI）的字节级流量图构建方法，用于挖掘字节间的潜在关联。

双嵌入层：设计了双嵌入层，分别嵌入数据包头部和载荷字节。

GNN-based 流量图编码器：利用多层GNN编码每个流量图到高维图向量。

交叉门控特征融合机制：通过交叉门控特征融合机制整合头部图向量和载荷图向量，获得数据包的整体表示向量。