一种基于相互依赖性拓扑划分的大规模图隐私感知方法

本发明公开一种基于相互依赖性拓扑划分的大规模图隐私感知方法，属于算机网络安全与人工智能交叉技术领域，采用基于偏度感知图聚类的顶点划分方法，将大规模隐私图数据划分为一系列较小尺度的子图，通过基于信息论的特征重构模块，从节点嵌入中提取内在的隐私模式，使用基于重要性感知的特征精炼策略，提取关键的节点特征，联合优化三个损失函数，进行多轮迭代训练，本发明能够实现图神经网络模型最终的泛化能力和预测精度的平衡，通过基于节点度感知的聚类划分方案，生成负载平衡的隐私拓扑，以建立扰动分布；设计了一种基于依赖性感知的特征重构和，以探索图内在的隐私模式，减少由隐私混淆噪声引起的表征失真，实现模型可用性和隐私性的平衡。