报告人简介：

谭少林，北京中关村实验室研究员。国家优青，中国工业与应用数学学会复杂网络与复杂系统专委会秘书长，中国指挥与控制学会网络科学与工程专委会总干事。出版专著《复杂网络上的博弈及其演化动力学》一部，在IEEE TAC/TNNLS/ /TKDE等期刊上发表论文50余篇。主持国家优秀青年科学基金、湖南省优秀青年科学基金等科研项目10余项、获中国指挥与控制学会青年科学家奖、中科院数学与系统科学研究院突出科研成果奖等荣誉。主要研究领域包括：分布式博弈与决策、工业互联网风险评估与安全对策、图数据表示与学习等。

报告摘要：

随着网络规模的扩大与复杂化，网络安全面临日益严峻的挑战，传统的基于规则或统计的检测方法难以有效应对动态、高维且隐蔽的威胁。图数据表示学习（Graph Representation Learning）通过将图结构数据（如网络拓扑、社交关系、流量交互等）映射到低维向量空间，能够捕捉实体间的深层关联与潜在模式，为网络安全问题提供了新的解决思路。本报告将介绍团队近期在图数据表示学习方面做的一些基本工作，包括基于子图的节点嵌入方法及其在不同类型网络上的变体，并探讨其在网络安全领域的应用场景，如攻击节点检测、关键攻击链路挖掘等。同时，同时，针对网络安全场景多样性，报告进一步讨论图数据表示学习方法在网络安全领域的广阔应用前景。