- 1、本文档内容版权归属内容提供方,所产生的收益全部归内容提供方所有。如果您对本文有版权争议,可选择认领,认领后既往收益都归您。。
- 2、本文档由用户上传,本站不保证质量和数量令人满意,可能有诸多瑕疵,付费之前,请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形,可联系本站下载客服投诉处理。
- 3、文档侵权举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
本发明涉及一种基于积分梯度的图对抗攻击方法,采用如下步骤:一.对图对抗攻击中的数据集进行预处理,构建图对比学习无监督图表示学习模型;二.训练模型,计算对比损失,反向传播对比损失,计算目标节点的积分梯度;三.根据积分梯度来选择在攻击过程中将要扰动的边;本发明积分梯度通过在基线值与输入值之间的一段路径进行积分,相当于对整体进行均衡加权归因,解决了梯度饱和问题;本发明中对抗攻击是对无监督图表示学习模型的攻击,不依赖于任何标签,数据利用率高,降低节点分类任务精度,具有很好的攻击效果,同时还可以评估无监督
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号 CN 117056809 A
(43)申请公布日 2023.11.14
(21)申请号 202311032695.7 G06N 3/0455 (2023.01)
(22)申请日 2023.08
文档评论(0)