融合图神经网络与特征自适应的预训练模型数据投毒监控方法

本发明涉及一种融合图神经网络与特征自适应的预训练模型数据投毒监控方法，涉及人工智能安全技术领域。该方法通过对训练数据及模型行为构建图结构模型，利用图神经网络对数据间复杂关联进行建模，同时引入特征自适应机制动态校正异常数据的影响，实现对模型数据投毒行为的实时监控和预警。具体步骤包括：对待监控的原始训练数据及模型运行日志进行多维度特征提取与标准化预处理；基于特征相似性构建数据关联图，采用动态阈值策略优化图结构；通过多层图卷积网络聚合节点特征，结合注意力机制实现特征自适应融合；构建基于时间序列的投毒风险评估模型，采用孤立森林算法进行异常检测；设计反馈闭环系统实现模型参数在线更新与防御策略动态调整。