[发明专利]一种针对网络节点分类和链路预测的指标评测方法及系统

权利要求书

1.一种针对网络节点分类和链路预测的指标评测方法，其特征在于：包括以下步骤：

S1：使用cora引文网络数据集，选取节点分类模型和链路预测模型，选取深度学习攻击方法，将生成的对抗样本和原始样本一一对应保存；

S2：将原始样本输入到节点分类模型和链路预测模型得到网络图性质指标；将原始样本和攻击样本输入模型得到攻击隐蔽性指标；

S3：通过指标相关性分析、筛选掉相关性过高的指标，并把输出的指标保存下来；

S4：将输出指标分为训练集和验证集，训练随机森林模型，设计特征映射损失函数作为其损失函数，进行多次迭代，制作鲁棒性分析模块，使用t-SNE方法对输出指标进行可视化，可视化模型鲁棒性特征。

2.根据权利要求1所述的一种针对网络节点分类和链路预测的指标评测方法，其特征在于：步骤S1所述的选取节点分类模型和链路预测模型，节点分类模型包括：GCN，GAT，MIXHOP模型，链路预测模型包括：GCN_VAE,ARGA_AE,ARGA_VAE模型，所述的攻击方法，节点分类攻击方法包括NTK，GFA，链路预测攻击方法包括白盒攻击和代替模型攻击；具体包括：

S1.1：使用Cora数据集作为样本数据：

使用Cora数据集进行评估，该数据集共2708个样本点，每个样本点都是一篇科学论文，所有样本点被分为8个类别，类别分别是1）基于案例；2）遗传算法；3）神经网络；4）概率方法；5）强化学习；6）规则学习；7）理论，每篇论文都由一个1433维的词向量表示，所以，每个样本点具有1433个特征；词向量的每个元素都对应一个词，且该元素只有0或1两个取值；取0表示该元素对应的词不在论文中，取1表示在论文中；所有的词来源于一个具有1433个词的字典；每篇论文都至少引用了一篇其他论文，或者被其他论文引用，也就是样本点之间存在联系，没有任何一个样本点与其他样本点完全没联系；如果将样本点看做图中的点，则这是一个连通的图，不存在孤立点；其中训练集、验证集、测试集包含的节点个数分别为：140、500、1000，其中每类节点个数相同；

S1.2：选取节点分类模型和链路预测模型，选取攻击方法，将生成的对抗样本和原始样本一一对应保存：

选取节点分类模型包括：GCN，GAT，MIXHOP模型，链路预测模型包括：GCN_VAE,ARGA_AE,ARGA_VAE模型，选取攻击方法，节点分类攻击方法包括NTK，GFA，链路预测的攻击方法包括白盒攻击和代替模型攻击。