申请/专利权人：暨南大学;广州信息技术研究所

申请日：2024-01-08

公开（公告）日：2024-06-18

公开（公告）号：CN117633478B

主分类号：G06F18/20

分类号：G06F18/20;G06N3/042;G06N3/0464;G06N3/048;G06N3/08;G06Q50/00;G06F16/9536;G06F18/24

优先权：

专利状态码：有效-授权

法律状态：2024.06.18#授权;2024.03.19#实质审查的生效;2024.03.01#公开

摘要：本发明公开了基于GNNs社交媒体挖掘的公平性后门评估方法及系统，包括：获取社交网络中的原始数据；根据长尾分布从所述原始数据中选择候选节点，构建候选空间；基于Wasserstein距离，遍历所述候选空间中的节点，生成公平触发器；基于所述公平触发器，构造后门数据；基于所述后门数据，选择不同的模型进行训练，并进行后门公平性评估。本发明采用一种新型的候选节点空间选择机制和动态自适应的后门触发器设计方法，以此动态生成后门数据，通过计算多种主流模型在不同任务场景下的公平性、准确性等指标，完成对社交媒体挖掘场景中图神经网络学习群体公平性后门的综合评估。

主权项：1.基于GNNs社交媒体挖掘的公平性后门评估方法，其特征在于，包括：获取社交网络中的原始数据；所述原始数据包括：各个用户的特征、敏感属性以及用户之间的结构特征；根据长尾分布从所述原始数据中选择候选节点，构建候选空间；基于Wasserstein距离，遍历所述候选空间中的节点，生成公平触发器；生成所述公平触发器包括：基于所述Wasserstein距离，遍历所述候选空间中的节点，量化节点中不同敏感属性分布之间的偏差，在具有相似敏感属性的节点之间添加边，并减去具有不同敏感属性的节点之间的边，获取扰动后的图结构；基于所述扰动后的图结构，定义wd矩阵，通过预设的阈值r来选择所述wd矩阵中对偏差有显著影响的边，生成所述公平触发器；所述公平触发器为： 其中，Tfin表示公平触发器，T表示每次更新后的触发器，表示候选空间中的扰动边，wd[vi,vj]表示节点vi、vj之间边缘变化的偏差变化，r表示预设的阈值；基于所述公平触发器，构造后门数据；基于所述后门数据，选择不同的模型进行训练，并进行后门公平性评估；不同的模型包括：普通GNN模型和经过处理的公平GNN模型；进行后门公平性评估包括：基于预设指标，获取所述普通GNN模型面对扰动时的公平性变化；其中，所述预设指标包括：公平性和准确率，所述公平性通过统计均等和机会均等获得；对所述经过处理的公平GNN模型进行扰动，评估在有公平措施下的后门公平变化；获取社交网络中的原始数据后还包括：通过异常值处理消除所述原始数据中的异常数据点；使用Z-Score标准化技术对消除异常数据点后的所述原始数据进行标准化处理。

全文数据：

权利要求：

百度查询： 暨南大学;广州信息技术研究所 基于GNNs社交媒体挖掘的公平性后门评估方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD