[发明专利]一种图神经网络模型的节点修改方法和相关装置

说明书

本申请公开了一种图神经网络模型的节点修改方法和相关装置，方法包括：获取待修改的图神经网络模型和所述图神经网络模型中待修改的目标节点；获取用于修改目标节点的目标触发器，其中，所述目标触发器由节点特征为目标特征的触发节点构成，且所述目标触发器的分类类别为预置类别；将所述目标触发器连接至目标节点，以使得通过所述目标触发器修改所述目标节点的分类类别为所述预置类别。解决了现有节点类别的修改方式是通过修改模型参数实现的，此时该节点对任何输入都输出指定类别的技术问题。

技术领域

本申请图神经网络技术领域，尤其涉及一种图神经网络模型的节点修改方法和相关装置。

背景技术

图神经网络由于能够学习到图数据中的结构信息，被广泛地运用于推荐系统、垃圾邮件检测和谣言检测等应用场景。

图神经网络在许多网络应用场景中表现为开放的结构型数据，如社交网络和电商网络等。由于图神经网络的图数据是开放的，容易被第三方获取、查看或修改，甚至影响到模型的行为，因此存在安全隐患。如通过修改一个节点的特征和连接关系，使得该节点的类别被分类为指定类别。现有的节点类别的修改方式是通过使用修改后的图数据重新训练模型，即修改模型参数实现的，这导致该节点对任何输入都输出指定类别，但实际的使用是针对特定类型的输入数据输出指定类别，其他类型的数据则输出正常分类结果。

因此，提供一种图神经网络的模型节点修改方法是本领域技术人员亟待解决的技术问题。

发明内容

本申请提供了一种图神经网络模型的节点修改方法和相关装置，解决了现有的现有节点类别的修改方式是通过修改模型参数实现的，此时该节点对任何输入都输出指定类别的技术问题。

有鉴于此，本申请第一方面提供了一种图神经网络模型的节点修改方法，包括：

获取待修改的图神经网络模型和所述图神经网络模型中待修改的目标节点；

获取用于修改目标节点的目标触发器，其中，所述目标触发器由节点特征为目标特征的触发节点构成，且所述目标触发器的分类类别为预置类别；

将所述目标触发器连接至目标节点，以使得通过所述目标触发器修改所述目标节点的分类类别为所述预置类别。

可选地，所述目标触发器的计算公式包括：

x^u＝g_top(-δ_t；q)；

式中，x^u为目标触发器，g_top(·)目标触发器中梯度向量最大的节点特征，δ_t为预置类别t和其他标签之间的特征偏好差，q为修改预算。

可选地，所述触发节点的目标特征的配置过程包括：

获取初始触发器，其中，所述初始触发器为空触发器；

将所述初始触发器连接至所述目标节点，以激活所述初始触发器；

根据预置触发器优化算法，对所述初始触发器中触发节点的节点特征进行优化得到目标特征。

可选地，根据预置触发器优化算法，对所述初始触发器中触发节点的节点特征进行优化得到目标特征，具体包括：

步骤S11、对所述初始触发器进行第i次迭代，1≤i≤p，i为自然数，p为迭代次数；

步骤S12、计算第i次迭代时，所述初始触发器的各节点特征对应的梯度向量；

步骤S13、将第i-1次迭代时选择的节点特征过滤后，从其他节点特征中选择梯度向量最大的节点特征作为目标特征；

步骤S14、将所述目标特征添加至所述初始触发器中得到新触发器；