本发明涉及图神经网络异常节点检测领域，具体讲是设计基于单类聚合损失的图神经网络。图神经网络能够聚合节点的邻居信息，提取节点的关键特征，完成图上的各类任务。但随着图的复杂化，图上开始出现多种类型的节点和多种类型的边。在这种属性多重异构图上，特征相似的正常节点与异常节点更加容易混淆，图神经网络提取节点关键特征的能力受到挑战。为解决特征相似的正常节点和异常节点易混淆的问题，本发明提供了基于单类聚合损失的图神经网络。首先，进行数据预处理，得到单类聚合损失输入的节点对。其次，图神经网络正向学习，得到提取后的节点特征和概率矩阵。接着，计算单类聚合损失值和二分类交叉熵损失值，得到组合损失值。然后，根据组合损失的损失值，进行图神经网络参数的更新。最后，得到能够有效区分正常节点和异常节点的基于单类聚合损失的图神经网络。