构建多重约束的图神经网络后门攻击方法

本发明涉及构建多重约束的图神经网络后门攻击方法，属于计算机与信息科学技术领域。本发明首先使用GCN、GAT和GraphSAGE对图节点分类，并投票选出易错分类节点集，使用Sarensen‑Dice方法计算全图相邻节点相似度，按比例取高相似节点对形成相似节点集，通过Katz算法计算两个集合交集的节点重要度，按比例取低重要度节点为攻击节点；然后构建触发器生成模型与图鉴别器，将其组成条件GAN进行训练；最后将训练后的触发器生成模型与GCN组成条件GAN，结合选取的攻击节点优化触发器生成模型。本发明针对现有方法易选高节点度节点进行攻击，从而导致相邻节点分类错误，且触发器易被检测的问题，提出多重约束的攻击节点选取机制和对抗式高隐蔽触发器生成方法，提高了后门攻击成功率。