一种基于图神经网络的地质钻孔数据保护方案

A Geological Borehole Data Protection Based on Graph Neural Networks

摘要

随着深度学习技术的日益成熟，攻击者可以对公开的地质钻孔数据通过分类、预测等方法获取潜在的敏感信息，从而造成重要地质数据的泄露. 针对上述问题，提出了一种基于图对抗攻击的地质钻孔数据保护模型Gcntack. 一方面，基于地质数据拓扑图的度特征，产生满足同一幂律分布的攻击作为微小节点扰动，确保对抗性攻击不易被发现，同时改变了目标节点的分类结果. 另一方面，引入注意力机制，使用基于可解释性的图注意力网络模型分析影响对抗攻击结果的关键节点特性，验证Gcntack模型中选取对抗性节点的合理性. 最后，通过在基准数据集和地质钻孔数据集进行的综合实验和分析，证实了提出的地质钻孔数据保护方案能够基于较少的图结构或节点特征的对抗扰动，达到保护重要地质钻孔数据的目的.

关键词

图卷积神经网络 / 图注意力网络 / 图对抗攻击 / 可解释性 / 地质钻孔数据保护 / 深度学习

Key words

graph neural network / graph attention network / figure adversarial attack / interpretability / data protection for geological drilling data / deep learning

基金资助

济南市科技创新发展计划（社会民生专项）项目《数字孪生城市四维可视化信息系统及在济南城区的应用》(232131001)