随着信息化社会的发展,互联网已经成为了人们生活中不可缺少的部分,人们已经逐渐意识到网络空间安全的重要性,网络空间治理已经是社会治理重要的一环。传统的网络空间分析方法需要大量的人工干预,日益增长的网络规模下基于人工的网络分析方法已经难以发挥作用,随着匿名网络的出现,传统方法难以对匿名网络进行有效的网络分析,本文围绕着网络数据智能分析提出了基于图神经网络网络分析方法,该方法利用深度学习方法来对匿名网络的网络数据进行特征分析,能够实现对网络数据的高效处理。（1）基于注意力图卷积网络的节点分类方法。匿名网络环境中,不同网络参与者在网络中作用不同,共同维持着匿名网络的可用性,其中包含在网络中起到重要作用的关键节点,例如权威节点,入口节点等,但网络本身的匿名性导致难以获得各个节点类型。本文提出了一个基于图神经网络的节点分类模型,通过网络中不同节点的属性特征以及网络拓扑的结构特征分析节点的类型,从而能够准确的刻画匿名网络中的空间态势。（2）基于图神经网络的链路预测方法。在匿名网络中,由于网络中存在多跳转发和加密,难以获得网络中完整的链路信息,无法有效的获得模型中拓扑结构。本文提出了扩散图卷积模型,通过扩散图卷积来模拟网络中的流量传递过程,能够有效的捕捉到网络在时域中的特征,并预测短时间内网络的拓扑变化,通过对每个节点的流出和流入进行分析,进而还原出整个网络的拓扑结构变换,能有效预判网络拓扑演化趋势。（3）设计并实现了网络空间数据智能分析系统。该系统基于链路预测和节点分类两个算法模块实现了匿名网络中的态势可视化,系统能够满足大数据规模下的快速处理,同时具备良好的可扩展性,能在国产服务器与操作系统上稳定运行。