[发明专利]对图数据的注入式攻击方法、装置、介质及电子设备

说明书

本公开涉及人工智能领域，揭示了一种对图数据的注入式攻击方法、装置、介质及电子设备。该方法包括：获取目标节点集合；建立伪节点集合；将目标节点集合分为多个目标节点子集合；针对目标节点子集合中的每一目标节点，采样得到与该目标节点对应的邻接节点集合，作为第一节点集合，并建立第一节点集合中各节点的边连接对应的邻接矩阵，作为第一邻接矩阵；建立伪节点与目标节点子集合中目标节点之间的边连接对应的邻接矩阵，作为第二邻接矩阵；基于目标节点子集合、伪节点集合、第一邻接矩阵和第二邻接矩阵构建子图；利用攻击模型和节点分类器模型对子图更新，以攻击目标节点子集合。此方法可以在内存资源有限时对大规模图数据进行注入式攻击。

技术领域

本公开涉及人工智能领域，特别涉及一种对图数据的注入式攻击方法、装置、介质及电子设备。

背景技术

在现实生活场景中存在着大量的图数据，如社交网络中用户自身画像组成的特征以及用户之间通过评论、关注形成的关联，银行客户的账户信息以及客户之间因转账而形成的关联，电子商务平台店铺、客户之间因购买、评论而形成的关联。近年来，图神经网络技术被应用于图数据进行图节点的分类，如对银行客户进行信用及资本级别的分类、对店家按照信誉、交易量等进行分类等等。

通过研究如何对原始图数据注入一些虚拟的伪节点，以及与现有节点的少量的关联关系，以达到防止第三方通过分析原始图数据而识别重要类型节点、进而获取关键图数据信息的目的。同时，注入节点的方式使得数据提供方仍然可以轻易分割出注入节点，对原始图数据进行准确的分析。然而，目前对图数据攻击的研究仍然只局限于小规模数据，对大规模图数据的攻击面临内存不足的问题。

发明内容

在人工智能技术领域，为了解决上述技术问题，本公开的目的在于提供一种对图数据的注入式攻击方法、装置、介质及电子设备。

根据本公开的一方面，提供了一种对图数据的注入式攻击方法，所述方法包括：

获取待攻击的目标节点集合，所述目标节点集合包括多个目标节点；

建立包括多个伪节点的伪节点集合；

将所述目标节点集合中的目标节点分为多个目标节点子集合；

针对所述目标节点子集合中的每一目标节点，采样得到与该目标节点对应的邻接节点集合，作为第一节点集合，并建立所述第一节点集合中各节点的边连接所对应的邻接矩阵，作为第一邻接矩阵；

建立所述伪节点集合中伪节点与所述目标节点子集合中目标节点之间的边连接所对应的邻接矩阵，作为第二邻接矩阵；

基于所述目标节点子集合、所述伪节点集合、所述第一邻接矩阵和所述第二邻接矩阵构建子图；

利用预设攻击模型和预先训练好的节点分类器模型对所述子图进行更新，以攻击所述目标节点子集合。

根据本公开的另一方面，提供了一种对图数据的注入式攻击装置，所述装置包括：

获取模块，被配置为获取待攻击的目标节点集合，所述目标节点集合包括多个目标节点；

建立模块，被配置为建立包括多个伪节点的伪节点集合；

划分模块，被配置为将所述目标节点集合中的目标节点分为多个目标节点子集合；

采样和建立模块，被配置为针对所述目标节点子集合中的每一目标节点，采样得到与该目标节点对应的邻接节点集合，作为第一节点集合，并建立所述第一节点集合中各节点的边连接所对应的邻接矩阵，作为第一邻接矩阵；

矩阵建立模块，被配置为建立所述伪节点集合中伪节点与所述目标节点子集合中目标节点之间的边连接所对应的邻接矩阵，作为第二邻接矩阵；

构建模块，被配置为基于所述目标节点子集合、所述伪节点集合、所述第一邻接矩阵和所述第二邻接矩阵构建子图；