本发明公开了一种基于强化学习的通过添加虚假节点的图对抗样本生成方法,包括:(1)获取原图数以及图节点分类模型,构造训练集和测试集;向原图数据中添加虚假节点,得到初始的对抗样本;(2)构建攻击模型;(3)在训练集中选择攻击目标;(4)把当前的对抗样本和攻击目标输入攻击模型,选择评估值最大的节点,构造新的对抗样本;(5)将新的对抗样本输入分类模型,若分类结果为目标的结果,得到对抗样本并进行下一步,否则跳转步骤(4);(6)对攻击模型进行训练,并使用训练好的攻击模型进行测试和应用。本发明通过添加虚假节点的方法来生成图的对抗样本,能够为设计出更加鲁棒的图深度学习模型提供帮助。
声明:
“基于强化学习的通过添加虚假节点的图对抗样本生成方法” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)