买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉云南大学申请的专利基于遗传算法的引文网络图标签对抗攻击方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116010625B 。

龙图腾网通过国家知识产权局官网在2025-08-01发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310108575.4，技术领域涉及：G06F16/36；该发明授权基于遗传算法的引文网络图标签对抗攻击方法是由董云云;李剑峰;韦廷楚;何婧;周维设计研发完成，并于2023-02-10向国家知识产权局提交的专利申请。

本基于遗传算法的引文网络图标签对抗攻击方法在说明书摘要公布了：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。

本发明授权基于遗传算法的引文网络图标签对抗攻击方法在权利要求书中公布了：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Gtrain，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αm,βm表示第m个节点的标签翻转方案，αm表示进行标签翻转的第m个节点的原始序号，βm表示节点αm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,…,αM,βM]； 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，Ntest表示测试集中测试节点数量，Yi表示第i个测试节点的真实标签类别，Pi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，Pi′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Pc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Pv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。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人云南大学，其通讯地址为：650031 云南省昆明市翠湖北路2号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。