龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：西北大学
申请日：2024-03-07
公开（公告）日：2024-05-10
公开（公告）号：CN118015376A
主分类号：G06V10/764
分类号：G06V10/764;G06V10/82;G06N3/042;G06N3/092;G06Q10/04
优先权：
专利状态码：在审-实质审查的生效
法律状态：2024.05.28#实质审查的生效;2024.05.10#公开
摘要：本申请涉及一种基于图神经网络的可解释性图分类对抗攻击方法，通过利用因果分析方法指导图中因果域的产生，并且在对抗性扰动的生成过程中考虑攻击成本与隐蔽性；本申请能够更加精确地定位并修改对图神经网络预测结果影响最大的图结构部分，从而以更小的扰动成本实现更高的攻击成功率；本申请通过精心设计的扰动方法对图结构进行修改，保持了扰动样本与原图数据的自然性和一致性，从而实现对于图神经网络模型的用户的对抗攻击，且对于现有防御机制更加难以检测。
主权项：1.一种基于图神经网络的可解释性图分类对抗攻击方法，其特征在于，包括：确定图中每个节点的因果域；将所述图输入到图神经网络，得到所述节点的预测结果，以及所述因果域对于预测结果的因果概率；基于所述因果概率确定所述节点对预测结果的信息量的大小；基于所述节点对预测结果的信息量的大小构建所述节点对应的信息流损失函数；求解所述信息流损失函数，确定所述因果域的最优解，即最优因果域；在所述最优因果域中，确定扰动边和或节点的扰动特征；根据所述扰动边和或节点的扰动特征对所述图进行扰动，生成对抗样本。
全文数据：
权利要求：
百度查询： 西北大学 基于图神经网络的可解释性图分类对抗攻击方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号