CN116010625A - 基于遗传算法的引文网络图标签对抗攻击方法 - Google Patents

Abstract

本发明公开了一种基于遗传算法的引文网络图标签对抗攻击方法，在引文网络所构建的图G中提取一个子图作为训练子图，将其中节点构成训练集，剩余节点构成测试集，将图标签对抗攻击方案表示为遗传算法中的个体，进行进化后筛选出最优的图标签对抗攻击方案，进化过程中个体的适应度根据攻击前后测试节点的预测准确率的差值计算。本发明基于遗传算法实现了对引文网络图标签攻击对抗方案的优化搜索，从而提高所生成的图标签攻击对抗样本的质量。

Description

基于遗传算法的引文网络图标签对抗攻击方法

技术领域

本发明属于引文网络图标签对抗攻击技术领域，更为具体地讲，涉及一种基于遗传算法的引文网络图标签对抗攻击方法。

背景技术

随着学术论文数量的不断增加，由学术论文及其参考文献形成的引文网络正在成为一个规模巨大的复杂网络。该引文网络是以引文文献作为节点，文献之间的引用关系作为边的图结构数据，由于引文网络规模之大，将引文网络中的科学论文分配到正确的主题在文献检索和论文推荐中具有重要的作用。

图神经网络在处理引文网络图结构数据相关任务时得心应手。然而，当面对引文网络文献节点标签遭到恶意修改时，修改后标签噪声中包含的错误标签信息可以沿着整个引文网络图传播，并影响相当大比例的节点，导致图神经网络模型预测错误。目前，针对引文网络图标签对抗攻击的研究不多，例如：Zhang M等针对节点分类任务提出的的基于标签翻转的的攻击模型LafAK，该模型基于GNN的近似闭合形式和不可微目标的连续替代，通过基于梯度的优化器有效地生成攻击。然而这种攻击方式使得节点标签翻转后的标签类别只局限于图中节点数量最多的两种类别标签，扰动空间有限，导致攻击方法的使用场景比较有限。吴翼腾等人基于矛盾数据假设、参数差异假设和同分布假设等3种基本假设，采用梯度攻击方式提出对图神经网络的标签翻转对抗攻击。然而由于标签的离散型，通过梯度求解标签攻击的合适扰动方式存在一定的误差。

发明内容

本发明的目的在于克服现有技术的不足，提供一种基于遗传算法的引文网络图标签对抗攻击方法，将图标签对抗攻击方案表示为遗传算法中的个体，通过遗传算法搜索解空间得到合适的引文网络图标签攻击对抗方案，提高图标签攻击对抗样本的质量。

为了实现上述发明目的，本发明基于遗传算法的引文网络图标签对抗攻击方法包括以下步骤：

S1：对于引文网络构建的图G，记其中所包含的文献节点所有的标签类别数量为C+1，标签类别分别为(0,1,2,…,C)；在图G中提取一个子图作为训练子图G_train，将其中节点构成训练节点集，图G中剩余节点构成测试节点集；

S3：根据待进行图标签对抗攻击的图神经网络分类模型的输入要求提取图G中每个节点的特征得到图G的特征矩阵，同时获得图G的邻接矩阵，并结合训练集中训练节点的标签作为训练样本对图神经网络分类模型进行训练，然后采用训练好的图神经网络分类模型对测试集中的各个测试节点进行预测，获取对测试集中每个测试节点的预测标签类别；

S3：根据预设的扰动比例δ计算出图G中进行标签翻转的节点数量M，采用(α_m,β_m)表示第m个节点的标签翻转方案，α_m表示进行标签翻转的第m个节点的原始序号，β_m表示节点α_m进行标签翻转后的标签类别，构成遗传算法中的图标签对抗攻击个体[(α₁,β₁),(α₂,β₂),…,(α_M,β_M)]；

S4：初始化图标签对抗样本种群，每个个体的初始化方式如下：从训练集中随机选择M个节点，对其进行标签翻转，将这M个节点的序号和标签翻转后的标签类别构成个体；

S5：根据个体对应的图标签对抗攻击方案对图G进行修改得到图G′，获取图G′的特征矩阵和邻接矩阵，并结合标签翻转攻击后训练集中训练节点的标签作为训练样本对图神经网络分类模型进行重新训练，然后采用重新训练好的图神经网络分类模型对测试集中的各个测试节点进行预测，获取对测试集中的每个测试节点的预测标签类别；然后采用如下公式计算得到该个体的适应度值：

其中，N_test表示测试集中测试节点数量，Y_i表示第i个测试节点的真实标签类别，P_i表示攻击前图神经网络分类模型对第i个测试节点预测的标签类别，P_i′表示采用当前个体对应的图标签对抗攻击方案进行攻击后图神经网络分类模型对第i个测试节点预测的标签类别，I()表示二值函数，条件成立为1，条件不成立为0；

S6：根据适应度值从种群中优选出若干个体作为父代个体进行进化；

S7：将步骤S6中选择的父代个体按照交叉概率P_c进行交叉操作产生新个体，在交叉操作后，需要判断个体中是否存在同一节点的两个标签翻转方案，如果存在，则从图G中该个体未包含的节点中随机选择一个节点并生成其标签翻转方案，替换同一节点两个标签翻译方案的其中一个，如果不存在，则不作任何操作；

S8：对交叉操作后的个体根据变异概率P_v进行变异生成新个体，在变异操作时对节点标签翻转后的标签类别进行变异；

S9：判断是否达到迭代结束条件，如果未达到，则返回步骤S5，如果达到，则进入步骤S10；

S10：选择当前种群中适应度值最大个体对应的图标签对抗攻击方案作为最终的图标签对抗攻击方案。

本发明基于遗传算法的引文网络图标签对抗攻击方法，在引文网络所构建的图G中提取一个子图作为训练子图，将其中节点构成训练集，剩余节点构成测试集，将图标签对抗攻击方案表示为遗传算法中的个体，进行进化后筛选出最优的图标签对抗攻击方案，进化过程中个体的适应度根据攻击前后测试节点的预测准确率的差值计算。

本发明基于遗传算法实现了对引文网络图标签攻击对抗方案的优化搜索，从而提高所生成的图标签攻击对抗样本的质量。

附图说明

图1是本发明基于遗传算法的引文网络图标签对抗攻击方法的具体实施方式流程图；

图2是本实施例中个体进化流程示例图。

具体实施方式

下面结合附图对本发明的具体实施方式进行描述，以便本领域的技术人员更好地理解本发明。需要特别提醒注意的是，在以下的描述中，当已知功能和设计的详细描述也许会淡化本发明的主要内容时，这些描述在这里将被忽略。

实施例

图1是本发明基于遗传算法的引文网络图标签对抗攻击方法的具体实施方式流程图。如图1所示，本发明基于遗传算法的引文网络图标签对抗攻击方法的具体步骤包括：

S101：引文网络划分：

对于引文网络构建的图G，记其中所包含的文献节点所有的标签类别数量为C+1，标签类别分别为(0,1,2,…,C)。根据节点标签类别就可以将图G的所有节点标签信息描述为一个节点向量(t₁,t₂,…,t_N)，t_n表示节点的标签类别，t_n∈(0,1,2,…,C)，n＝1,2,…,N，N表示引文网络中文献数量，也就是图G中节点数量。在图G中提取一个子图作为训练子图G_train，将其中节点构成训练集，图G中剩余节点构成测试集。

在实际应用中，为了提高后续训练集训练图神经网络分类模型的训练效果，所提取的训练子图G_train中最好节点标签类别包含所有标签类别，每个标签类别的节点数量大于预设阈值，且这些节点属于联通分量。

S102：获取攻击前模型预测结果：

根据待进行图标签对抗攻击的图神经网络分类模型的输入要求提取图G中每个节点的特征得到图G的特征矩阵，同时获得图G的邻接矩阵，并结合训练集中训练节点的标签作为训练样本对图神经网络分类模型进行训练，然后采用训练好的图神经网络分类模型对测试集中的各个测试节点进行预测，获取对测试集中每个测试节点的预测标签类别。

为了使得攻击前模型预测准确率更加准确，本实施例中在采用训练集对图神经网络分类模型进行训练时，将训练集划分为训练子集和验证子集，采用训练子集对图神经网络分类模型进行若干次训练，然后采用验证子集对每次训练完成的图神经网络分类模型进行验证并统计得到预测准确率，选取预测准确率最优的图神经网络分类模型对测试集进行预测。

S103：确定图标签对抗攻击编码方式：

根据预设的扰动比例δ计算出图G中进行标签翻转的节点数量M，将遗传算法中基因编码成二元组的形式(α_m,β_m)，即采用(α_m,β_m)表示第m个节点的标签翻转方案，α_m表示进行标签翻转的第m个节点的原始序号，β_m表示节点α_m进行标签翻转后的标签类别，构成遗传算法中的图标签对抗攻击个体：[(α₁,β₁),(α₂,β₂),…,(α_M,β_M)]。显然，在本发明中每个图标签对抗攻击个体都是标签攻击的一种可能性，代表了标签攻击的一种攻击方案。

S104：初始化图标签对抗样本种群：

初始化图标签对抗样本种群，每个个体的初始化方式如下：从训练集中随机选择M个节点，对其进行标签翻转，将这M个节点的序号和标签翻转后的标签类别构成个体。

S105：计算个体适应度值：

适应性函数是遗传算法中评估每个个体适应性的基础，通常具有较高适应度的个体将保留到下一代的遗传操作中。本发明中标签翻转属于图对抗攻击中的中毒攻击，针对此提出了个体适应度值计算方法：

根据个体对应的图标签对抗攻击方案对图G进行修改得到图G′，根据G′的特征矩阵和邻接矩阵，并结合标签翻转攻击后训练集中训练节点的标签作为训练样本对图神经网络分类模型进行重新训练，然后采用重新训练好的图神经网络分类模型对测试集中的各个测试节点进行预测，获取对测试集中的每个测试节点的预测标签类别。然后采用如下公式计算得到该个体的适应度值：

其中，N_test表示测试集中测试节点数量，Y_i表示第i个测试节点的真实标签类别，P_i表示攻击前图神经网络分类模型对第i个测试节点预测的标签类别，P_i′表示采用当前个体对应的图标签对抗攻击方案进行攻击后图神经网络分类模型对第i个测试节点预测的标签类别，I()表示二值函数，条件成立为1，条件不成立为0。

可见，当

的值越大，则表示个体对应的图标签对抗攻击方案对图神经网络分类模型的不良影响越大，攻击效果越成功。也就是说，适应度值越大，个体越优。

S106：个体选择：

根据适应度值从种群中优选出若干个体作为父代个体进行进化。

选择是适者生存机制的体现。根据自然界的进化规律，适应度较高的个体比适应度较低的个体有更大的生存和繁殖机会。本实施例中采用常见的选择法——轮盘赌选择法，该方法中，各个个体的选择概率和其适应度值成比例，适应度值越大，选中概率也越大。

S107：个体交叉：

将步骤S106中选择的父代个体按照交叉概率P_c进行交叉操作产生新个体。本发明中由于每个个体中包含的是节点的标签翻转方案，那么在交叉操作后，在个体中可能存在同一节点的两个标签翻转方案，此时会产生冲突。因此在交叉操作后，需要判断个体中是否存在同一节点的两个标签翻转方案，如果存在，则从图G中该个体未包含的节点中随机选择一个节点并生成其标签翻转方案，替换同一节点两个标签翻译方案的其中一个，如果不存在，则不作任何操作。

采用交叉操作可以使个体基因进行重新组合，从而不断产生适应性更好的个体，避免遗传算法的搜索空间产生局限。影响交叉操作的主要是交叉概率，普通的遗传算法将交叉概率设置为固定值，限制了遗传算法的优化效率。交叉概率P_c过大，虽然算法的搜索强度会进一步增大，但是算法的整体效率会被影响；交叉概率P_c过小，个体基因重新组合的概率较小，搜索性能大大降低。为了克服上述问题，本实施例中采用了一种自适应的交叉概率，依据群体中个体的适应度值高低来不断调整交叉概率，对于适应度最大和最小的个体，相对应的不是零交叉操作或者完全交叉操作，而是进行特定概率的交叉操作，可以有效提升交叉操作保持算法中个体多样性的作用，交叉概率P_c的具体计算公式如下所示：

其中，f_c表示交叉操作前两个父代个体的适应度值中的较大值，f_max、f_min分别表示交叉操作前群体中适应度最大值与最小值，k₁、k₂、k₃是预设的0～1之间的常数，且k₂＞k₃。

S108：个体变异：

对交叉操作后的个体根据变异概率P_v进行变异生成新个体，在变异操作时对节点标签翻转后的标签类别进行变异。

变异操作和交叉操作一样，也属于遗传算法中必不可少的一部分，在交叉操作过后形成的新个体，有一定的概率会发生基因变异，从而确保群体中个体基因的多样性。变异概率P_v对这一环节影响很大，如果变异概率很大，那么整个搜索过程就退化为一个随机搜索过程。所以，比较稳妥的做法是，进化过程刚刚开始的时候，取一个比较大的概率，随着搜索过程的进行，逐渐缩小到0附近。因此，本实施例中采用自适应的变异概率来执行变异操作，既贴近实际问题，又具有高度的适应性，变异概率P_v的具体计算公式如下所示：

其中，k₄、k₅、k₆是预设的0～1之间的常数，且k₅＞k₆。

随着迭代次数的增加，种群中的个体适应度值越来越高，也越来越接近，f_max-f_c越来越小，因此变异概率越来越小。

图2是本实施例个体进化流程示例图。如图2所示，第n代的个体经过标签翻转改变4个节点的标签后形成的个体，经过选择、交叉、变异后生成了新的个体。

S109：判断是否达到迭代结束条件，如果未达到，则返回步骤S105，如果达到，则进入步骤S110。

迭代结束条件一般有两种，一种是达到预设的最大迭代次数，一种是种群中最优个体的适应度值收敛，实际应用中根据情况选择即可。

S110：筛选图标签对抗攻击方案：

选择当前种群中适应度值最大个体对应的图标签对抗攻击方案作为最终的图标签对抗攻击方案。

为了更好地说明本发明的技术效果，采用具体实例对本发明进行实验验证。本实施例所采用的是两个公开的真实世界的图数据集：Cora数据集和Citeseer数据集。其中，Cora数据集是由2708个机器学习论文组成的引文网络，分为7个不同类别，每篇论文表示为网络中的一个节点，论文间的引用关系表示节点之间互连的边，每篇机器学习论文的词向量维度是1433，因此，网络中的每个节点所具有的特征为1433。Citeseer数据集同Cora数据集一样均属于引文网络，相比之下类别数量少一个，共分为六类：Agents、AI(人工智能)、DB(数据库)、IR(信息检索)、ML(机器语言)和HCI，该数据集共包含3327种出版物，引文关系(即网络中的边)数量为4732，每个出版物中的词向量的表示形式有0/1两种，0表示词不在该出版物论文中，1表示词出现在论文中。本实施例使用所有节点特征和每个类20个标记节点作为训练集，另外500个节点作为验证集，1000个节点作为测试集。

本实施例中选择3种现有的引文网络图标签对抗攻击方法作为对比方法，包括：随机扰动攻击(Rnd)，基于度的攻击(Deg)，文献“Zhang M,Hu L,Shi C,et al.Adversariallabel-flipping attack and defense for graph neural networks[C]//2020IEEEInternational Conference on Data Mining(ICDM).IEEE,2020:791-800.”中的方法(简称LafAK)，统计本发明和3种对比方法在不同标签翻转比例下的模型预测准确率。表1是本实施例中本发明和3种对比方法在不同标签翻转比例下的模型预测准确率统计表。

表1

如表1所示，本发明在扰动指标上明显优于随机扰动攻击(Rnd)。Rnd攻击方法对GCN的影响比较有限；尤其是对于5％的扰动，随机攻击的预测准确率没有明显下降，相反，本发明的攻击效果明显更好，而且，随着扰动次数的增加，本发明的攻击效果越来越好，说明遗传算法在搜索空间中找到最有效的翻转操作，大大降低了性能。本发明比其他的标签翻转攻击(Deg、LafAk)有着更好的性能，分析之后认为主要原因是：(1)Deg只是根据度数来识别有影响的节点；(2)LafAK主要针对二分类攻击，标签翻转仅限于二分类攻击，多标签攻击的扰动空间有限。而本发明对于类别数量没有限制，且通过遗传算法可以考虑更多引文网络的特征信息，使得到的图标签对抗攻击方案更加有效。

尽管上面对本发明说明性的具体实施方式进行了描述，以便于本技术领域的技术人员理解本发明，但应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。

Claims (6)

1.一种基于遗传算法的引文网络图标签对抗攻击方法，其特征在于包括以下步骤：

S1：对于引文网络构建的图G，记其中所包含的文献节点所有的标签类别数量为C+1，标签类别分别为(0,1,2,…,C)；在图G中提取一个子图作为训练子图G_train，将其中节点构成训练节点集，图G中剩余节点构成测试节点集；

S3：根据待进行图标签对抗攻击的图神经网络分类模型的输入要求提取图G中每个节点的特征得到图G的特征矩阵，同时获得图G的邻接矩阵，并结合训练集中训练节点的标签作为训练样本对图神经网络分类模型进行训练，然后采用训练好的图神经网络分类模型对测试集中的各个测试节点进行预测，获取对测试集中每个测试节点的预测标签类别；

S3：根据预设的扰动比例δ计算出图G中进行标签翻转的节点数量M，采用(α_m,β_m)表示第m个节点的标签翻转方案，α_m表示进行标签翻转的第m个节点的原始序号，β_m表示节点α_m进行标签翻转后的标签类别，构成遗传算法中的图标签对抗攻击个体[(α₁,β₁),(α₂,β₂),…,(α_M,β_M)]；

S4：初始化图标签对抗样本种群，每个个体的初始化方式如下：从训练集中随机选择M个节点，对其进行标签翻转，将这M个节点的序号和标签翻转后的标签类别构成个体；

S5：根据个体对应的图标签对抗攻击方案对图G进行修改得到图G′，获取图G′的特征矩阵和邻接矩阵，并结合标签翻转攻击后训练集中训练节点的标签作为训练样本对图神经网络分类模型进行重新训练，然后采用重新训练好的图神经网络分类模型对测试集中的各个测试节点进行预测，获取对测试集中的每个测试节点的预测标签类别；然后采用如下公式计算得到该个体的适应度值：

其中，N_test表示测试集中测试节点数量，Y_i表示第i个测试节点的真实标签类别，P_i表示攻击前图神经网络分类模型对第i个测试节点预测的标签类别，P_i′表示采用当前个体对应的图标签对抗攻击方案进行攻击后图神经网络分类模型对第i个测试节点预测的标签类别，I()表示二值函数，条件成立为1，条件不成立为0；

S6：根据适应度值从种群中优选出若干个体作为父代个体进行进化；

S7：将步骤S6中选择的父代个体按照交叉概率P_c进行交叉操作产生新个体，在交叉操作后，需要判断个体中是否存在同一节点的两个标签翻转方案，如果存在，则从图G中该个体未包含的节点中随机选择一个节点并生成其标签翻转方案，替换同一节点两个标签翻译方案的其中一个，如果不存在，则不作任何操作；

S8：对交叉操作后的个体根据变异概率P_v进行变异生成新个体，在变异操作时对节点标签翻转后的标签类别进行变异；

S9：判断是否达到迭代结束条件，如果未达到，则返回步骤S5，如果达到，则进入步骤S10；

S10：选择当前种群中适应度值最大个体对应的图标签对抗攻击方案作为最终的图标签对抗攻击方案。

2.根据权利要求1所述的引文网络图标签对抗攻击方法，其特征在于，所述步骤S1中所提取的训练子图G_train中节点标签类别包含所有标签类别，每个标签类别的节点数量大于预设阈值，且训练子图G_train中的节点属于联通分量。

3.根据权利要求1所述的引文网络图标签对抗攻击方法，其特征在于，所述步骤S2中在采用训练集对图神经网络分类模型进行训练时，将训练集划分为训练子集和验证子集，采用训练子集对图神经网络分类模型进行若干次训练，然后采用验证子集对每次训练完成的图神经网络分类模型进行验证并统计得到预测准确率，选取预测准确率最优的图神经网络分类模型对测试集进行预测。

4.根据权利要求1所述的引文网络图标签对抗攻击方法，其特征在于，所述步骤S6中提取个体优选时采用轮盘赌选择法。

5.根据权利要求1所述的引文网络图标签对抗攻击方法，其特征在于，所述步骤S7中交叉概率P_c采用如下公式计算：

其中，f_c表示交叉操作前两个父代个体的适应度值中的较大值，f_max、f_min分别表示当前群体中适应度最大值与最小值，k₁、k₂、k₃是预设的0～1之间的常数，且k₂＞k₃。

6.根据权利要求1所述的引文网络图标签对抗攻击方法，其特征在于，所述步骤S8中变异概率P_v采用如下公式计算：

其中，其中，k₄、k₅、k₆是预设的0～1之间的常数，且k₅＞k₆。

Images