基于强化学习的黑盒图神经网络注入攻击方法

本发明公开的属于人工智能与信息安全技术领域，具体为基于强化学习的黑盒图神经网络注入攻击方法，首先构建强化学习引导的黑盒多边图注入攻击框架，所述框架包括双轨特征生成器和多边连接选择器；接着将整个注入过程被建模为马尔可夫决策过程，并通过执行器‑评判器算法与复合奖励机制在有限查询预算下优化攻击策略，从而在不对原图进行任何修改的前提下，实现对目标节点分类的最大化误导，本发明通过强化学习建模注入过程为马尔可夫决策过程，基于查询反馈直接优化攻击策略，无需依赖目标模型的梯度或代理模型，有效解决了在黑盒设定下攻击指引不可靠的问题。