计算机应用研究

作者：冯志超,张博瀚,荆军昌,李永波,刘栋,

单位：河南师范大学〓a.计算机与信息工程学院;b.教育人工智能与个性化学习河南省重点实验室;c.教学资源与教育质量评估大数据河南省工程实验室,河南新乡453007；

关键词：图神经网络,自注意力机制,属性网络,社区隐藏,隐私保护,

基金：国家自然科学基金资助项目(62072160)；河南省科技攻关计划资助项目(242102211076)；；

社区检测算法在揭示网络结构和挖掘数据方面具有显著优势，但也带来用户隐私泄露的潜在风险。为解决该问题，社区隐藏已成为一个广泛研究的解决方案。然而，现有的大多数社区隐藏的研究集中在拓扑网络上，在属性网络方面取得的进展很有限。针对上述问题，提出了一种基于自注意力机制的社区隐藏算法（self-attention mechanism network community hiding，SANCH）。该算法利用自注意力机制对节点属性之间的全局依赖关系进行建模，并通过整合图的结构信息生成对抗性扰动。它计算节点之间的注意力权重以导出节点嵌入表示，随后得出链路存在的概率。基于预定义的扰动预算，该算法选择对社区结构影响最大的链路进行添加或删除，从而实现有效的社区隐藏。实验结果表明，SANCH在针对各种社区检测算法时具有出色的隐藏性能和鲁棒性。

来源：2026年第3期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2026年第3期