基于用户注入干扰的跨社交网络用户识别防御方法及系统

本发明涉及跨社交网络用户身份识别技术领域，特别涉及一种基于用户注入干扰的跨社交网络用户识别防御方法及系统，获取目标社交网络的拓扑结构、用户属性及已知对齐用户集合；向目标社交网络中注入一组对抗性用户；将注入过程建模为马尔科夫决策过程，利用分层强化学习模型依次为每个注入用户生成好友关系和用户属性，其中所述分层强化学习模型包括关系生成子网络和属性生成子网络；结合经验回放、ε‑贪婪策略与DDQN算法优化分层强化学习模型。本发明通过在社交网络中注入新用户并精心构建其属性和关系，有效干扰跨社交网络用户身份识别模型，显著降低隐私泄露风险，同时保持防御的隐蔽性。