融合图神经网络的多步攻击链预测方法、系统及设备

本发明属于网络安全技术领域，提供了融合图神经网络的多步攻击链预测方法、系统及设备，方法包括数据采集、数据预处理与特征提取、动态图构建、图神经网络节点表示学习、时序攻击链预测、置信度评估与误报过滤、实时处理优化；通过规则引擎与特征工程，不仅实现了多源异构日志的标准化处理，还提取了网络安全领域专属的量化特征，如IP熵、攻击严重度得分，提升了数据质量；同时，构建含时间衰减因子的动态图，实时更新节点与边的关联关系，既考虑了网络拓扑的结构依赖，又体现了攻击行为的时间衰减特性，突破了现有静态图模型无法适配动态攻击场景的局限，为后续预测提供了更贴合实际的图结构基础。