إطار عمل هجوم خصوصية بيانات الرسوم البيانية المتكامل قائم على الشبكات العصبية الرسومية في إنترنت الأشياء

ملخص تحتوي الرسوم البيانية المعرفية على كمية كبيرة من بيانات الكيانات والعلاقات، وتتفوق الشبكات العصبية الرسومية، كفئة من تقنيات تمثيل الرسوم البيانية الفعالة القائمة على التعلم العميق، في نمذجة الرسوم البيانية المعرفية. ومع ذلك، فإن الهياكل السابقة للشبكات العصبية وبشكل عام تتعلم فقط تمثيلات العقد ولا تأخذ في الاعتبار بشكل كامل تنوع البيانات. في هذه المقالة، نقترح بطريقة مبتكرة إطار عمل لهجوم خصوصية قائم على إنترنت الأشياء، PAFI، الذي يمكنه تصنيف الكيانات والعلاقات، وتعلم تمثيلات تضمينية في الرسوم البيانية متعددة العلاقات، ويمكن تطبيقه على بعض خوارزميات الشبكات العصبية الحالية. بناءً على ذلك، يتم اقتراح نموذج هجوم خصوصية مفصل، FPM، الذي يمكنه تنفيذ عمليات هجوم على أهداف متعددة، تحقيق انتقائية المهام المستهدفة، وتحسين قدرة النموذج على التعميم بشكل كبير. في هذه المقالة، تم إثبات فاعلية PAFI و FPM من خلال مجموعات بيانات الشبكة الحقيقية، ومقارنتها بأساليب الهجوم السابقة، حيث حقق كلاهما نتائج جيدة.