公开(公告)号：CN116628547A

公开(公告)日：2023-08-22

申请号：CN202310563764.0

申请日：2023-05-18

Applicant: 重庆邮电大学

Inventor： 刘立 ,  崔诗易 ,  万鹏宇 ,  张遥 ,  贺康佳

IPC: G06F18/24 ,  G06F18/214 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明属于图神经网络分析领域，具体涉及一种基于解释子图的图神经网络攻击防御方法及系统；该方法包括：使用反事实解释器，得到社交网路中目标用户节点的第一反事实解释子图；进行第一次注入攻击，得到第二反事实解释子图；将第二反事实解释子图输入到图神经网络分类模型中，得到第一阶段引导攻击结果；使用事实解释器，得到社交网路中目标用户节点的第一解释子图；进行第二次注入攻击，得到第二解释子图；将第二解释子图输入到图神经网络分类模型中，得到第二阶段引导攻击结果；当攻击成功时，对图神经网络分类模型进行优化，得到优化后的图神经网络分类模型；本发明攻击效果好，可为设计出更具鲁棒性的图神经网络模型提供思路和灵感。

公开(公告)号：CN116631538A

公开(公告)日：2023-08-22

申请号：CN202310585599.9

申请日：2023-05-23

Applicant: 重庆邮电大学

Inventor： 刘立 ,  万鹏宇 ,  崔诗易 ,  张遥 ,  贺康佳

IPC: G16C20/50 ,  G16C20/70 ,  G06F16/901 ,  G06F18/2415 ,  G06N3/042 ,  G06N3/084

Abstract: 本发明涉及一种基于子图生成的可信子图挖掘方法，包括：随机选择药物分子图结构，使用广度优先搜索采样I个第一分子关系子图，对每个第一分子关系子图生成对应的负例子图；利用图神经网络GraphSAGE将正负样本编码到有序向量空间，同时通过损失函数进行训练得到图嵌入生成模型；使用贪心策略逐个添加节点生成目标子图，再将目标子图输入预训练的GNN图分类模型中，筛选出使得模型预测为目标类的概率最大的目标子图做为可信子图；本发明能找到使GNN图分类模型预测为某个目标类时概率最大的可信子图，辅助相关领域的人员进行决策，例如药物发现等工作。

公开(公告)号：CN116564435A

公开(公告)日：2023-08-08

申请号：CN202310595580.2

申请日：2023-05-24

Applicant: 重庆邮电大学

Inventor： 刘立 ,  贺康佳 ,  崔诗易 ,  张遥 ,  万鹏宇

IPC: G16C20/50 ,  G16C20/70 ,  G16B40/20 ,  G16B20/50 ,  G06N3/0455 ,  G06N3/047 ,  G06N3/048 ,  G06N3/084

Abstract: 本发明涉及一种基于流式生成模型的反事实子图挖掘方法，包括：获取药物分子图结构数据；将药物分子图结构的邻接矩阵A和特征矩阵X输入策略网络中预测药物分子图结构的状态转移概率和药物分子图结构转移到终止状态的状态转移概率；删除药物分子图结构中的边；利用训练好的GNN模型判断删边后的药物分子图结构的分类结果是否发生变化，将删边后的药物分子图结构分为候选子图和非候选子图；利用生成流网络中的细致平稳条件构建细致平稳损失函数，通过梯度下降法更新策略网络的参数从所有找到的候选子图中挑选出删边最少的候选子图作为最终的反事实子图，通过本发明能找到的反事实子图，可以辅助相关领域的人员进行决策，例如药物发现等工作。

公开(公告)号：CN116628516A

公开(公告)日：2023-08-22

申请号：CN202310583291.0

申请日：2023-05-23

Applicant: 重庆邮电大学

Inventor： 刘立 ,  张遥 ,  崔诗易 ,  贺康佳 ,  万鹏宇

IPC: G06F18/22 ,  G06Q50/00 ,  G06N3/042 ,  G06N3/08

Abstract: 本发明属于图神经网络和对齐领域，具体涉及一种基于结构‑表示相似度的跨社交网络用户对齐方法，包括根据源网络和目标网络分别构建图网络结构，将网络中已经确定为同一用户的用户节点称为anchor节点，还未确定的用户节点称为非anchor节点；分别学习两个网络节点的向量表示；将节点的向量表示和节点的邻接特征拼接在一起作为节点特征，将节点特征输入节点对判断器，节点对判断器判断节点使用的相似度函数；根据节点的相似度函数对两个网络的节点进行对齐；本发明能使对齐任务更加准确的进行，尤其是在少监督的“精确匹配”场景中有显著的提升。