[发明专利]面向图神经网络模型后门攻击的检测方法和装置

权利要求书

1.一种面向图神经网络模型后门攻击的检测方法，其特征在于，包括以下步骤：

利用图数据对图神经网络模型进行训练，以优化图神经网络模型的参数；

将图数据输入至参数优化的图神经网络模型中，计算图数据对应的损失函数，并对损失函数相对于图数据的邻接矩阵的反向求导以得到各连边对损失函数的重要程度值；

依据重要程度值提取不同连边数的子图结构，并依据分类标签，将子图结构换分成与分类标签对应的多个子图库；

针对每个子图库，依据子图结构之间的相似性计算子图结构的分布图；

分析每个子图库对应的分布图中相似度值，依据相似度值的大小确定图神经网络模型是否被攻击。

2.如权利要求1所述的面向图神经网络模型后门攻击的检测方法，其特征在于，所述依据重要程度值提取不同连边数的子图结构包括：

对重要程度值进行降序排序得到连边重要性数据集；依据预设的不同连边数，从连边重要性数据集中提取相应连边数的最高重要程度值形成不同连边数的子图结构。

3.如权利要求1所述的面向图神经网络模型后门攻击的检测方法，其特征在于，所述依据子图结构之间的相似性计算子图结构的分布图包括：

将子图结构输入到图神经网络模型，得到子图结构的向量表示；依据向量表示计算属于同一分类标签的各子图结构之间的相似度；依据相似度值构建每个子图库对应的分布图。

4.如权利要求3所述的面向图神经网络模型后门攻击的检测方法，其特征在于，依据表示计算属于同一分类标签的各子图结构之间的余弦相似度，依据余弦相似度值构建每个子图库对应的分布图。

5.如权利要求1所述的面向图神经网络模型后门攻击的检测方法，其特征在于，所述分析每个子图库对应的分布图中相似度值，依据相似度值的大小确定图神经网络模型是否被攻击包括：

分析每个子图库对应的分布图中相似度值，若存在某个子图结构对应的相似度值与其他子图结构对应的相似度值差距大于第一阈值，且对这一分类标签对应的相似度值均大于第二阈值，则表明差距很大的这个子图结构为被设计的触发器，图神经网络模型已经被攻击。

6.如权利要求1所述的面向图神经网络模型后门攻击的检测方法，其特征在于，所述分析每个子图库对应的分布图中相似度值，依据相似度值的大小确定图神经网络模型是否被攻击包括：

分析每个子图库对应的分布图中相似度值，所有子图结构对应的相似度值之间的差距小于第三阈值，且没有突出的相似度值，且表明图神经网络模型良好，未被攻击。

7.一种面向图神经网络模型后门攻击的检测装置，包括存储器、处理器以及存储在存储器中并可在处理器上执行的计算机程序，其特征在于，所述处理器执行计算机程序时实现权利要求1～6任一项所述的面向图神经网络模型后门攻击的检测 方法。