CN115659387B 一种基于神经通路的用户隐私保护方法、电子设备、介质 （浙江工业大学）_第1页
CN115659387B 一种基于神经通路的用户隐私保护方法、电子设备、介质 （浙江工业大学）_第2页
CN115659387B 一种基于神经通路的用户隐私保护方法、电子设备、介质 （浙江工业大学）_第3页
CN115659387B 一种基于神经通路的用户隐私保护方法、电子设备、介质 （浙江工业大学）_第4页
CN115659387B 一种基于神经通路的用户隐私保护方法、电子设备、介质 （浙江工业大学）_第5页
已阅读5页，还剩12页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

本发明公开了一种基于神经通路的用户隐经通路；(2)获取与主任务性能相关的重要图结训练的图卷积网络模型分别提取骨干图和非骨干图的节点嵌入；(5)将获得的骨干图和非骨干图对应的节点嵌入进行加权组合以获得隐私鲁2其中，为节点t在第L层图卷积网络模型中的最多的神经通路作为与标签相关的关键神经通路其中C为步骤2，固定步骤1预训练好的图卷积网络模型A'和损失函数计算连边梯度矩阵，从连边梯度矩阵中选取梯度值最大的前Q条连边作为非步骤4，使用步骤1预训练好的的图神经网络模型分别对首先固定步骤1预训练好的图神经网络模型的参数，在图邻接矩阵上添加可训练的掩3ff;()为参数θ*固定的预训练的图卷积网络模型，AS和XS分别l,zi,为输入的邻接矩阵分别为AS,AS⊙MT为转置操作；使用步骤1预训练好的的图神经网络模型分别对步骤2得到的骨干图Ab和步骤3得到的4隐私鲁棒性的节点嵌入Probust的计算公式执行时实现如权利要求1_7中任一所述的基于神经通路的5[0001]本发明属于网络安全技术领域，具体涉及一种基于神经通路的用户隐私保护方卷积网络等难以有效处理图结构数据，而图神经网络由于其强大的图结构关系提取能力，型提取的节点嵌入中隐藏原始图结构信息，从而提高图神经网络对隐私窃取攻击的鲁棒6接矩阵A'和损失函数计算连边梯度矩阵，从连边梯度矩阵中选取梯度值最大的前Q条连边[0010]步骤4，使用步骤1预训练好的的图神经网络模型分别对步骤2得到的骨干图和步7练图卷积模型对测试节点进行神经元测试，获得关键神经通路。以L层图卷积网络模型为点数最多的神经通路作为与标签相关的关键神经通路其中8[0036]获得最终的掩码矩阵Mfinal，并根据预设的阈值δ,从Mfinal选择Q条连边作为骨干图接矩阵A'和损失函数计算连边梯度矩阵，从连边梯度矩阵中选取梯度值最大的前Q条连边9[0055]其中η为权重因子。调节η的值可以控制骨干图和非骨干图在Probust中的比重以调现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定[0058]这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或其他可编程设

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论