Clasificar aplicaciones móviles a partir del tráfico de red cifrado es un requisito común y básico en seguridad de red y gestión de red. Los trabajos existentes clasifican aplicaciones móviles a partir de flujos, en base a los cuales se crean huellas dactilares de aplicaciones y clasificadores. Sin embargo, las aplicaciones móviles a menudo generan flujos concurrentes con diferentes grados de conexiones, como flujos poco discriminativos entre aplicaciones y flujos específicos de aplicaciones. Por lo tanto, los métodos basados en flujos sufren de baja precisión. En este documento, se propone un método novedoso de clasificación de aplicaciones móviles, capturando relaciones entre flujos y prestando atención a su importancia. Para capturar las relaciones entre flujos, el método propuesto divide el tráfico móvil crudo en fragmentos de tráfico para representar flujos como nodos, incrusta características estadísticas en los nodos y agrega aristas de acuerdo con las correlaciones cruzadas entre los nodos. Para prestar diferente atención a los diferentes flujos, el método propuesto construye un modelo de aprendizaje profundo basado en redes de atención de gráficos, asignando implícitamente valores de importancia a los flujos a través de capas de atención de gráficos. En comparación con técnicas desarrolladas recientemente en un gran conjunto de datos con 101 aplicaciones populares utilizando la plataforma Android, el método propuesto mejoró en un 4-20% la precisión, la precisión, la recuperación y la puntuación F1, y requirió mucho menos tiempo de entrenamiento.