基于施密特希尔伯特相关性度量的图对抗防御方法

本发明涉及图机器学习安全技术领域，具体涉及一种基于施密特希尔伯特相关性度量的图对抗防御方法。技术方案为：包括系统初始化模块、局部邻居平滑模块、图神经网络骨干模块、类别感知模块、防御验证模块。本发明利用邻居信息为中心节点去噪，在此基础上利用施密特希尔伯特相关性方法计算图神经网络各隐层表示分别与去噪后节点属性和标签间的相似性，并设定施密特希尔伯特正则化约束使模型学得最小充分表示。用于提高图神经网络对影响力最大化攻击的对抗鲁棒性。