[发明专利]一种生成对抗多关系图网络的训练方法和检测方法

权利要求书

1.一种用于检测机器账号的生成对抗多关系图网络模型的训练方法，其中生成对抗多关系图网络模型包括生成器G、连接关系判别器D和分类器，所述训练方法包括：

将不同平台上的账号建模成节点v；

将账号之间的交互操作建模成关系r，其中所述关系r的数量由账号之间交互操作的类型数量确定；

将不同平台建模成包含节点和关系的图其中，所述图的数量由所述关系r的数量确定；

采样成对相连的节点对(v，u)，利用所述生成器G生成源节点v的虚假目标节点v^t；

将节点对(v，u)和(v，v^t)分别输入到所述连接关系判别器D中，用于训练所述连接关系判别器D，其中，当所述连接关系判别器D能够正确区分节点对(v，u)和(v，v^t)的连接关系后，停止对所述连接关系判别器D的训练；

用训练好的所述连接关系判别器D推理所述图中的节点对，确定所述节点对的连接关系，进而更新图的结构；

选取所述图中的一个节点，选择所述节点将被聚合的邻居节点；

在同种关系下，聚合所述节点的邻居节点得到同种关系下的图嵌入向量；

将所述节点在不同关系下的图嵌入向量进行向量运算得到不同关系下的所述节点的表征向量；

将所述节点的表征向量输入到所述分类器中，根据所述生成对抗多关系图网络模型的损失函数，反向传播更新生成对抗多关系图网络模型的参数，当所述损失函数的输出的值不再发生变化后，则停止对生成对抗多关系图网络的训练，得到训练好的生成对抗多关系图网络模型。

2.根据权利要求1所述的训练方法，其中利用所述生成器G生成源节点v的虚假目标节点v^t，包括：

将源节点v和潜在变量z相加，其中所述潜在变量z符合多元正态分布，具体表达式为其中，d等于源节点的特征向量维度，表示多元正态分布，表示关于所述源节点v的潜在变量z的转置，表示协方差变量；

将相加后的结果输入到所述生成器G中生成所述虚假目标节点v^t。

3.根据权利要求1所述的训练方法，其中所述生成器G的具体表达式为G(v；θ^G)＝f(z；θf)，其中f使用多层感知机实现，θ^f是f的参数，v是源节点，θ^G是所述生成器的参数；

所述生成器G的损失函数定义为

其中所述生成器G的参数θ^G通过最小化进行优化。

4.根据权利要求1所述的训练方法，其中更新图的结构包括：

在所述连接关系判别器D判断节点对之间存在连接的情况下，则在节点对之间建立连接关系；

在所述连接关系判别器D判断节点对之间不存在连接的情况下，则在节点对之间删除连接关系；

所述连接关系判别器D被定义为其中f使用多层感知机实现，θ^f是f的参数，θ^D是连接关系判别器D的参数；

所述连接关系判别器D的损失函数定义为其中是正例采样时的所述连接关系判别器D的损失函数，具体形式为是负例采样时所述连接关系判别器D的损失函数，具体形式为

其中所述正例采样即采样的节点对(v，u)在图中是实际存在边连接的；

其中所述负例采样即对于一个给定的节点v^t表示为v的虚假邻居节点，由所述生成器生成，即v^t～G(v；θ^G)，则(v，v^t)称为负例采样；采用负例采样时，所述连接关系判别器的损失函数为

5.根据权利要求1所述的训练方法，其中选择所述节点将被聚合的邻居节点，包括：

计算两个节点之间的L1范数距离；

根据所述L1范数距离，计算两个节点的相似度；

选择相似度大于选择阈值的节点作为所述节点将被聚合的邻居节点。