Self-Adaptive Cybersecurity Intelligence Using Graph Neural Networks and AI Agents for Critical Infrastructure Protection
DOI:
https://doi.org/10.66838/sauc.6546Palabras clave:
Graph Neural Networks, Cybersecurity, Critical Infrastructure, Novelty Detection, Explainable Alerts, Adversarial Robustness, Human-in-the-Loop Response, AI Agents.Resumen
Hospitals, water systems, electric utilities, transit agencies and public-sector networks are attacked through chains of ordinary-looking relationships: a stolen credential logs into a workstation, the workstation reaches a server, the server talks to a controller. Detectors that score each device or log line in isolation miss these chains, and automated responses that act without oversight can disrupt the very services they protect. This paper presents a defensive framework that represents users, hosts, operational-technology (OT) devices and external endpoints as a heterogeneous time-windowed graph, classifies known attack behavior with a relational graph neural network, flags previously unseen behavior with a reconstruction-based novelty module, explains each alert by the relationships that drive it, and recommends risk-tiered response actions that require human approval when they could affect critical assets. ...
Descargas
Estadísticas globales ℹ️
|
12
Visualizaciones
|
7
Descargas
|
|
19
Total
|
|
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2025 Los autores/as conservan los derechos de autor y ceden a la revista el derecho de la primera publicación y el derecho de edición

Esta obra está bajo una licencia internacional Creative Commons Atribución-SinDerivadas 4.0.
Los autores/as que publiquen en esta revista aceptan las siguientes condiciones:
- Los autores/as conservan los derechos de autor.
- Los autores/as ceden a la revista el derecho de la primera publicación. La revista también posee los derechos de edición.
- Todos los contenidos publicados se regulan mediante una Licencia Atribución/Reconocimiento-SinDerivados 4.0 Internacional. Acceda a la versión informativa y texto legal de la licencia. En virtud de ello, se permite a terceros utilizar lo publicado siempre que mencionen la autoría del trabajo y a la primera publicación en esta revista. Si transforma el material, no podrá distribuir el trabajo modificado.
- Los autores/as pueden realizar otros acuerdos contractuales independientes y adicionales para la distribución no exclusiva de la versión del artículo publicado en esta revista (p. ej., incluirlo en un repositorio institucional o publicarlo en un libro) siempre que indiquen claramente que el trabajo se publicó por primera vez en esta revista.
- Se permite y recomienda a los autores/as a publicar su trabajo en Internet (por ejemplo en páginas institucionales o personales), una vez publicado en la revista y citando a la misma ya que puede conducir a intercambios productivos y a una mayor y más rápida difusión del trabajo publicado (vea The Effect of Open Access).







