一种基于图神经网络的异常用户分类方法技术

本发明专利技术涉及信息技术领域，具体公开了一种基于图神经网络的异常用户分类方法，包括：S1、数据预处理与图构建，S2、节点表示分解，S3、生成基于同配度矩阵的伪标签，S4、信号聚合，S5、模型设计，S6、损失函数设计和S7、节点分类方法；本发明专利技术使用Weisfeiler‑Lehman同构测试和同配度矩阵的伪标签生成方法，能够有效地减少训练时间和计算资源，高效的信号聚合方法也使得推理过程更加快速；通过分解节点表示和伪标签生成的方法，使得模型在做出决策时更加透明，可以理解模型是如何利用同配性和异配性信息进行判断的，从而增加了模型的可解释性和精度。

【技术实现步骤摘要】

本专利技术属于网络安全，具体涉及一种基于图神经网络的异常用户分类方法。

技术介绍

1、随着互联网的快速发展，社交媒体和在线平台上的用户数量急剧增加，但同时也带来了各种不良信息和行为。因此，如何快速准确地识别和分类这些异常用户，成为了互联网平台迫切需要解决的问题。基于图神经网络(graph neura lnetwork,gnn)的异常用户分类模型是一种利用图神经网络算法来识别和分类社交媒体、在线平台或其他网络环境中具有潜在危害性的用户的方法。这种模型通过将用户及其相互关系表示为图结构，并利用gnn的强大能力来学习和表示这些关系，从而实现对异常用户的准确分类。

2、在节点分类问题的研究中,如何提高节点分类的正确率是学者们长期努力的目标。为了提高模型的可解释性和分类准确性，专利技术人提出一种基于图神经网络的异常用户分类方法，其通过研究节点之间同配度关系，以及对节点低频与高频信息的解耦来提升模型对异常用户的分类能力。

技术实现思路

1、本专利技术的目的在于提供一种基于图神经网络的异常用户分类方法，以解决上本文档来自技高网...

【技术保护点】

1.一种基于图神经网络的异常用户分类方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于图神经网络的异常用户分类方法，其特征在于：步骤S2中节点表示分解为：

3.根据权利要求1所述的基于图神经网络的异常用户分类方法，其特征在于：步骤S3中同配度矩阵表示为：

4.根据权利要求1所述的一种基于图神经网络的异常用户分类方法，其特征在于：步骤S3中正邻居表示与中心节点相似、负邻居表示与中心节点不同，根据伪标签，对邻居节点进行分类，研究不同类别的邻居节点对中心节点的影响。

5.根据权利要求1所述的一种基于图神经网络的异常用户分类方法，其特征...

【技术特征摘要】

1.一种基于图神经网络的异常用户分类方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于图神经网络的异常用户分类方法，其特征在于：步骤s2中节点表示分解为：

3.根据权利要求1所述的基于图神经网络的异常用户分类方法，其特征在于：步骤s3中同配度矩阵表示为：

4.根据权利要求1所述的一种基于图神经网络的异常用户分类方法，其特征在于：步骤s3中正邻居表示与中心节点相似、负邻居表示与中心节点不同，根据伪标签，对邻居节点进行分类，研究不同类别的邻居节点对中心节点的影...

【专利技术属性】
技术研发人员：刘睿霖，张震，刘发强，杜金浩，王立强，贺文晨，刁则鸣，叶宇中，卓采标，
申请(专利权)人：国家计算机网络与信息安全管理中心，
类型：发明
国别省市：