一种基于图数据中节点之间相关性的图神经网络攻击方法

摘要

本发明属于图神经网络分析领域，具体涉及一种基于图数据中节点之间相关性的图神经网络攻击方法，包括构建代理模型并对该模型进行优化训练；代理模型训练好以后，将代理模型线性化，去掉网络结构中所有的激活函数；计算代理模型对目标点进行分类之后的每个节点之间的相关度；若正确类中相关度最高两点之间存在边关系，则计算删除该边后的影响值；若第二可能类中相关度最高两点之间不存在边关系，则计算连接两个后的影响值；将上述影响值最小的作为当前修改，将本次修改后的图作为下一次攻击的起始图；重复以上操作进行K次迭代，K次迭代后的图作为最终的扰动样本；本发明有效提升目标模型与代理模型的一致性，提升了攻击的成功率。