基于图生成对抗网络的联邦GNN模型增强机制与攻击防御研究.pdfVIP

基于图生成对抗网络的联邦GNN模型增强机制与攻击防御研究1

基于图生成对抗网络的联邦GNN模型增强机制与攻击防

御研究

1.研究背景与意义

1.1图生成对抗网络与联邦GNN模型概述

图生成对抗网络（GraphGenerativeAdversarialNetworks，简称GraphGAN）是一

种结合了生成对抗网络（GAN）和图神经网络（GNN）的模型。它通过生成器和判别器的

对抗训练来生成图数据，能够有效捕捉图结构中的复杂关系和特征。近年来，GraphGAN

在社交网络分析、生物信息学、推荐系统等领域得到了广泛应用。例如，在社交网络中，

GraphGAN可以用于生成虚拟社交网络，帮助研究人员更好地理解社交网络的传播机

制；在生物信息学中，它可以用于生成蛋白质相互作用网络，为生物学家提供新的研究

思路。

联邦图神经网络（FederatedGraphNeuralNetworks，简称联邦GNN）是一种在

分布式数据环境中训练GNN模型的方法。它允许多个参与方在不共享原始数据的情况

下，共同训练