公开(公告)号：CN113269228A

公开(公告)日：2021-08-17

申请号：CN202110421442.3

申请日：2021-04-20

Applicant: 重庆邮电大学 ,  南方电网科学研究院有限责任公司

Inventor： 吴涛 ,  先兴平 ,  许爱东 ,  骆俊辉 ,  杨楠 ,  马红玉 ,  姜丰

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明属于图数据安全领域，具体涉及一种图网络分类模型的训练方法、装置、系统及电子设备；所述方法包括采集图数据集，并将所述图数据集划分为有标签节点和无标签节点；将有标签节点的图数据输入到分类模型进行训练；使用训练完成后的分类模型对无标签节点的图数据分类；随机从有标签节点和无标签节点中选择出对抗节点，计算对抗节点对对抗样本生成器损失函数的影响，从而产生对抗样本；将对抗样本输入到训练完成后的分类模型再次进行训练，得到增强后的分类模型；本发明用训练好的分类模型对无标签节点的标签进行预测，这样有利于解决连通性问题以及半监督学习中的低标签率问题。本发明能够有效地提高节点分类模型的鲁棒性。

公开(公告)号：CN113269228B

公开(公告)日：2022-06-10

申请号：CN202110421442.3

申请日：2021-04-20

Applicant: 重庆邮电大学 ,  南方电网科学研究院有限责任公司

Inventor： 吴涛 ,  先兴平 ,  许爱东 ,  骆俊辉 ,  杨楠 ,  马红玉 ,  姜丰

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明属于图数据安全领域，具体涉及一种图网络分类模型的训练方法、装置、系统及电子设备；所述方法包括采集图数据集，并将所述图数据集划分为有标签节点和无标签节点；将有标签节点的图数据输入到分类模型进行训练；使用训练完成后的分类模型对无标签节点的图数据分类；随机从有标签节点和无标签节点中选择出对抗节点，计算对抗节点对对抗样本生成器损失函数的影响，从而产生对抗样本；将对抗样本输入到训练完成后的分类模型再次进行训练，得到增强后的分类模型；本发明用训练好的分类模型对无标签节点的标签进行预测，这样有利于解决连通性问题以及半监督学习中的低标签率问题。本发明能够有效地提高节点分类模型的鲁棒性。

公开(公告)号：CN114648065A

公开(公告)日：2022-06-21

申请号：CN202210240565.1

申请日：2022-03-10

Applicant: 重庆邮电大学

Inventor： 杨楠 ,  陈龙 ,  吴涛 ,  先兴平 ,  骆俊辉 ,  崔灿一星

IPC: G06K9/62 ,  G06F16/901 ,  G06F16/906

Abstract: 本发明属于深度学习的攻击防御领域，具体涉及一种基于图纯化和决策边界的节点分类防御方法及其系统，该方法包括：获取待分类节点的数据，并对获取的数据进行格式化处理；采用攻击算法对经过格式化后的数据添加扰动信息；对添加扰动信息的数据进行图纯化处理；将图纯化处理后的数据输入到训练好的第一图节点分类模型中，得到初始分类结果；构建决策边界，根据决策边界计算初始分类结果的伪标签；将所有带伪标签的初始分类结果输入到第二图节点分类模型中，得到节点分类结果，根据分类结果对节点进行保护；本发明将受到对抗样本影响的图数据集经由图纯化操作及基于决策边界计算的自训练算法处理，最终得到具有更高鲁棒性的图节点分类模型。