摘要在边缘计算（EC）中，合理配置终端安全策略，对终端和EC系统实施必要的安全保护，是系统安全管理的重要任务。为此，本文分析了电网下多业务电子商务系统终端接入的安全目标和要求，基于AHP算法进行了终端安全风险评估，创造性地利用OS-ELM算法提出了边缘计算平台终端安全配置优化策略。云培训和边缘在线学习框架，满足边缘平台的实时和轻量级通信需求。1.导言随着智能电网建设的不断推进，电力系统规模不断扩大

参考https://blog.csdn.net/pelhans/category_7607589.html知识图谱-给AI装个大脑 - 知乎知识图谱的定义"A knowledge graph consists of a set of interconnected typed entities and their attributes."知识图谱是由一些相互连接的实体和他们的属性构成的。经典例子：罗

用于恶意账户检测的异构图神经网络摘要我们介绍了GEM，这是全球领先的移动无现金支付平台之一的支付宝第一个用于检测恶意账户的异构图神经网络方法。我们的方法受连通子图方法的启发，基于攻击者的两个基本弱点，即设备聚合和活动聚合，自适应地从异构帐户设备图中学习有区别的嵌入。对于由不同类型的节点组成的异构图，我们提出了一种注意机制来学习不同类型节点的重要性，同时利用求和算子对每种类型节点的聚集模式进行建模。

HCGN：面向集体分类的异构图卷积网络深度学习模型摘要集合分类是研究网络数据的一项重要技术，旨在利用一组具有复杂依赖关系的互联实体的标签自相关性。随着各种异构信息网络的出现，集合分类目前正面临着来自异构信息网络的严峻挑战，如复杂的关系层次、潜在的不相容语义和节点上下文关系语义。为了应对这些挑战，本文提出了一种新的基于异构图卷积网络的深度学习模型，称之为HGCN，用于对HINs中的实体进行集体分类。

摘要大量真实世界的图形或网络本质上是异构的，涉及到多种多样的节点类型和关系类型。异构图嵌入是将异构图丰富的结构和语义信息嵌入到低维节点表示中。现有模型通常在异构图中定义多个元路径，以捕获复合关系并指导邻居选择。然而，这些模型要么忽略节点内容特征，沿着元路径丢弃中间节点，要么只考虑一个元路径。为了解决这三个限制，我们提出了一个新的模型，称为元路径聚合图神经网络(MAGNN)，以提高最终的性能。具体来

用于恶意账户检测的异构图神经网络摘要我们介绍了GEM，这是全球领先的移动无现金支付平台之一的支付宝第一个用于检测恶意账户的异构图神经网络方法。我们的方法受连通子图方法的启发，基于攻击者的两个基本弱点，即设备聚合和活动聚合，自适应地从异构帐户设备图中学习有区别的嵌入。对于由不同类型的节点组成的异构图，我们提出了一种注意机制来学习不同类型节点的重要性，同时利用求和算子对每种类型节点的聚集模式进行建模。

HCGN：面向集体分类的异构图卷积网络深度学习模型摘要集合分类是研究网络数据的一项重要技术，旨在利用一组具有复杂依赖关系的互联实体的标签自相关性。随着各种异构信息网络的出现，集合分类目前正面临着来自异构信息网络的严峻挑战，如复杂的关系层次、潜在的不相容语义和节点上下文关系语义。为了应对这些挑战，本文提出了一种新的基于异构图卷积网络的深度学习模型，称之为HGCN，用于对HINs中的实体进行集体分类。

摘要大量真实世界的图形或网络本质上是异构的，涉及到多种多样的节点类型和关系类型。异构图嵌入是将异构图丰富的结构和语义信息嵌入到低维节点表示中。现有模型通常在异构图中定义多个元路径，以捕获复合关系并指导邻居选择。然而，这些模型要么忽略节点内容特征，沿着元路径丢弃中间节点，要么只考虑一个元路径。为了解决这三个限制，我们提出了一个新的模型，称为元路径聚合图神经网络(MAGNN)，以提高最终的性能。具体来

摘要近年来，由于深度卷积神经网络的巨大进步，人脸识别取得了显著的进展。然而，深层中枢神经系统容易受到对抗性例子的影响，这可能在具有安全敏感目的的现实世界人脸识别应用中导致致命的后果。敌对攻击被广泛研究，因为它们可以在部署模型之前识别模型的漏洞。在本文中，我们评估了最先进的人脸识别模型在基于决策的黑盒攻击环境中的鲁棒性，在黑盒攻击环境中，攻击者无法访问模型参数和梯度，只能通过向目标模型发送查询来获得

基于层次结构的动态异构图嵌入摘要：图嵌入已经引起了许多研究兴趣。现有的研究主要集中在静态同质/异构网络或动态同质网络上。然而，动态异构网络在现实中更为普遍，如社会网络、电子商务网络、引文网络等，对动态异构图嵌入的研究还比较缺乏。在本文中，我们提出了一种新的动态异构图嵌入方法，利用层次注意（DyHAN）学习节点嵌入，利用结构异构性和时间演化。我们在三个真实的数据集上评估了我们的方法。结果表明，DyH