摘要
物理网络系统带来了新的威胁和挑战，特别是在检测和即时响应方面。本研究探讨了图神经网络（GNNs）如何在包含网络入侵和无人机（UAVs）的物理网络系统中，辅助网络安全和无人机管理。通过提供对图形神经网络的结构理解，本文提出了一种集成程序，使入侵检测系统能够学习基础网络结构、识别恶意活动，并促进无人机的响应措施。
研究方法
基于仿真案例研究，创建了网络攻击模型以引发无人机的响应，证明了基于图形的学习可以增强态势感知、群体协调和自适应机动。根据性能评估，该方法的检测率为94.2%，接收者操作特征（ROC）曲线下的平均面积为0.955，平均响应时间为1.4秒。
比较实验
比较实验显示，所提出的GraphSAGE网络在相同情况下比图卷积网络（GCNs）和图注意力网络（GATs）更为有效。这些发现证明了图形神经网络在动态网络物理系统中的入侵防御和响应中的应用潜力。
博主点评： 本文通过实证研究展示了图神经网络在网络安全领域的创新应用，尤其是在无人机管理中的重要性。高检测率与快速响应时间的结合，显示了图神经网络在复杂环境中的适应性，值得在未来的网络安全策略中进一步推广。