摘要
本发明公开了一种基于边缘注意力学习的网络入侵检测方法、系统及存储介质，方法包括将原始网络流转换为网络流量图，并在保留粗粒度标签和细粒度标签的情况下构建训练图和测试图；通过对训练图和测试图保留边特征、自适应权重分配以及多层特征提取，获取边嵌入表示；基于边嵌入表示，执行粗粒度检测以识别基本的攻击类别，并使用与全局图属性相关的多尺度特征融合执行细粒度分类；对抗训练：通过初始化对抗扰动，并基于损失函数梯度迭代优化扰动，将最终扰动叠加到训练图中，基于损失函数反向传播更新，得到训练完成的网络入侵检测模型。本发明方法能够有效捕获关键攻击的深度特征，并保持对抗环境中稳定的检测性能。
