中图分类号：E911 文献标志码：A DOI：10.3969/j. issn.1673-3819.2025.05.010

Abstract：Withtherapiddevelopmentand popularizationof information technology，cognitive domainoperations willbean importantformof militaryoccupationandcontrol，striking enemy forcesandparticipating innonwarmilitaryoperations in thefuture.Inorder togaintheinitiativeinthewar，enemyforcesoftenuse mediaplatformstopublishfakenews，attempting to confuse thepublic'svisionandevenmisleadpublicperception，posingathreat tosocialstabilityandsecurityThisarticle proposesasocial mediafakenews detection modelinthecontext ofcognitive domainoperations，which byutilizingthe news itself，user information，andusercomment informationcanbemodeledasaHeterogeneousInformationNetwork（HN），the introductionof hierarchicalaggegationtechnologynables thesimultaneouscaptureof globalandlocalfeaturesofdatabyaggregating HNatbothnodeandclasificationlevels.Thestudyaims todetectfakenews incognitivedomainwarandcurbthe dissemination before it hasanegative impact.

Keywords： cognitive domain;fake news；detection model

随着科技的飞速进步，互联网日益完善，网民规模和互联网普及率均呈现显著的提升。与网络相关联的认知对抗，是信息化战争的新形态和新领域，是未来军队占领与控制、打击敌方势力、参与非战争军事行动的重要形式。战时和应急情况条件下，利用社交媒体发布虚假新闻，实施针对性的敏感信息“爆料”等方式，容易造成舆情转向，心理失控，社会动荡。因此，如何精确检测虚假新闻，确保新闻的真实性和可信度，已成为当前社会研究的重要方向之一。

虚假新闻作为一种具有高度欺骗性和误导性的新型武器，在认知域作战中发挥着重要作用。社交媒体平台现已成为虚假新闻传播的主要渠道。与传统媒体相比，社交媒体具有更广泛的受众、更快的传播速度和更高的互动性。虚假新闻在社交媒体上得以迅速扩散，影响公众对事件真相的判断力和对敌方的认知，从而达到战略或战术目的。

基于图神经网络分层聚合的虚假新闻检测方法具有独特的优势。图神经网络能够处理复杂的节点和边的关系，并从中学习有用的特征表示。在社交媒体数据的图结构表示中，节点可以是用户、帖子、标签等，边可以是用户之间的关系、互动、转发等。运用图神经网络可以更好地理解新闻在社交媒体上的传播模式，分层聚合策略在虚假新闻检测中具有重要意义。

在认知域作战中，虚假新闻往往经过不法分子的精心设计和传播，以逃避检测和过滤。……