用于开源软件供应链安全的图神经网络鲁棒性增强方法及系统

本发明属于网络安全与人工智能技术领域，公开了一种用于开源软件供应链安全的图神经网络鲁棒性增强方法及系统，本发明方法包括：提取开源软件供应链依赖图特征；采用自适应注意力图卷积网络，根据节点中心性、邻域及边类型动态聚合信息；通过梯度惩罚与虚拟对抗样本的联合对抗训练，模拟攻击以提升模型鲁棒性；构建多层次风险模型，综合评估节点、路径及社区风险。本发明系统包括数据获取模块、图构建模块、鲁棒性增强的GNN训练模块、风险评估模块和预警模块。本发明能够显著提高GNN在开源软件供应链安全场景下的鲁棒性和准确性，有效抵御恶意攻击，保障软件供应链安全。