一种基于图熵的异构图神经网络对抗攻击方法

本发明属于人工智能与网络安全交叉领域，涉及一种基于图熵的异构图神经网络对抗攻击方法，旨在研究异构图的鲁棒性及其在对抗环境下的安全性问题。通过综合考虑节点熵与结构熵引入图熵概念，利用图熵能够精准定位对模型预测影响较大的关键节点和边，减少对模型梯度信息的依赖，提高攻击性能并增强泛化能力。在异构图中根据不同关系类型定义同构子图，限定图熵计算范围，并通过一种自适应候选同邻扰动节点选择策略，避免进行多次图采样和梯度计算，降低了攻击的计算成本和实现难度。最后结合图熵与自适应候选同邻扰动点策略，设计一种高效扰动生成方法，能够有效地破环目标节点的嵌入信息，影响异构图神经网络模型对目标节点的预测。本发明便于研究人员能够更好地探究异构图神经网络在对抗攻击场景下的鲁棒性，促进异构图神经网络的安全应用。