この研究は、サイバーセキュリティにおける異常検出の重要性を強調し、特に異種グラフニューラルネットワーク（HGNN）を用いた手法の調査を行います。異常検出は、内部脅威やアクセス違反、協調攻撃を特定することが求められ、システムの耐障害性を維持するために不可欠です。これまでの手法は主に均質かつ静的な構造に依存しており、現実の多様性や時間の変化を捉えることが難しい状況です。HGNNは、実体間の相互作用をより表現力豊かにモデル化するための手法として注目されています。本稿では、HGNNを基にした異常検出手法を体系化し、代表的なモデルやサイバーセキュリティへの応用を分析します。また、一般的なベンチマークデータセットと評価指標についても検討し、その強みと限界を明らかにします。最後に、今後の研究のための課題や方向性を示し、実用的な解決策の構築を目指します。