1.一种基于神经通路的用户隐私保护方法，其特征在于，所述方法具体包括以下步骤：步骤1，预训练图神经网络模型，对训练数据进行神经元测试并统计，获得与节点标签相关的关键神经通路；

步骤2，固定步骤1预训练好的图卷积网络模型的参数，在图邻接矩阵上添加掩码矩阵M，利用梯度下降算法对掩码矩阵M进行训练，获得最终的掩码矩阵Mfinal，并根据预设的阈值δ，从最终的掩码矩阵Mfinal选择Q条连边作为骨干图Ab；

L

步骤3，基于步骤1预训练好的图卷积网络模型，获得节点第L层隐藏表示P ，将隐藏表示解码为近似邻接矩阵A'，基于步骤1得到的关键神经通路构建损失函数，基于近似邻接矩阵A'和损失函数计算连边梯度矩阵，从连边梯度矩阵中选取梯度值最大的前Q条连边作为非骨干图An；

步骤4，使用步骤1预训练好的的图神经网络模型分别对步骤2得到的骨干图和步骤3得到的非骨干图进行节点嵌入的提取；

步骤5，调节权重，对将步骤4获得的骨干图和非骨干图对应的节点嵌入进行加权组合，得到具有隐私鲁棒性的节点嵌入。

2.根据权利要求1所述的一种基于神经通路的用户隐私保护方法，其特征在于，所述图神经网络模型为图卷积网络模型。

3.根据权利要求2所述的一种基于神经通路的用户隐私保护方法，其特征在于，所述步骤1具体为：与节点t相关的最后一层的关键神经元定义为：

L

其中， 为节点t在第L层图卷积网络模型中的神经元输出； 表示取 中的第k个神l经元，对于第l层的神经元输出Z表达为：

其中，A为输入图的邻接矩阵，IN为对角矩阵，N表示图中的节点数； 为A+IN的度矩阵，l l‑1P为第l层的隐藏表示/节点嵌入，W 为第l‑1层的模型权重矩阵；

第l层神经元可定义为：

L l‑1 1

通过公式(1)和公式(3)获得神经通路Pt＝[k ,k ,...,k]；将训练数据根据标签进行神经元测试，并统计相同标签节点集合中具有激活相同的神经通路的节点数，选取节点数最多的神经通路作为与标签相关的关键神经通路 其中C为图中节点的类别数量。

4.根据权利要求2所述的一种基于神经通路的用户隐私保护方法，其特征在于，所述步骤2具体为：首先固定步骤1预训练好的图神经网络模型的参数，在图邻接矩阵上添加可训练的掩码矩阵M，则掩码矩阵M的训练目标为：*

其中，MI(·)表示互信息， 为参数θ固定的预训练的图卷积网络模型，AS和XS分别为节点t的r阶子图的邻接矩阵和其对应的特征矩阵，Y为模型的预测结果，⊙表示逐元素相乘，H(·)为信息熵；mse(·)表示均方误差函数， 为输入的邻接矩阵分别为AS,AS⊙M时图卷积网络模型第l层神经元输出；

利用梯度下降算法训练掩码矩阵M，训练后获得最终的掩码矩阵Mfinal，并根据预设的阈值δ，从Mfinal选择Q条连边作为骨干图Ab，公式如下：

5.根据权利要求2所述的一种基于神经通路的用户隐私保护方法，其特征在于，所述步骤3具体为：L

将原图(A,X)输入到预训练的图卷积网络模型中，获得节点第L层隐藏表示P ，其中A为输入图的邻接矩阵，X为输入节点特征；首先将其解码为近似邻接矩阵A'：L L T

A'＝sigmoid(P·(P))                   (7)T

其中(·) 为转置操作。

然后将步骤1获得的关键神经通路Pc按照模型的层数构建神经元标签向量l其中，K的第 维为1，其余为0；进一步构建损失函数如下：其中，C为图中节点的类别数量，Ync表示第n个节点在第c类的真实标签，Y′nc表示图神经网络模型对第n个节点在第c类的预测输出值，|Fl|,l∈[1,...,L]为模型第l层神经元的数量；

计算连边梯度矩阵，公式如下：

然后选取梯度值最大的前Q条连边作为非骨干图An，其中Q为步骤2中获得的骨干图中的连边数量。

6.根据权利要求2所述的一种基于神经通路的用户隐私保护方法，其特征在于，所述步骤4具体为：使用步骤1预训练好的的图神经网络模型分别对步骤2得到的骨干图Ab和步骤3得到的非骨干图An进行节点嵌入的提取，公式如下：*

其中， 为参数θ固定的预训练的图卷积网络模型，X为输入节点特征。

7.根据权利要求2所述的一种基于神经通路的用户隐私保护方法，其特征在于，所述步骤5中，对将步骤4获得的骨干图和非骨干图对应的节点嵌入Pb和Pn进行加权组合，得到具有隐私鲁棒性的节点嵌入Probust的计算公式如下：Probust＝(1‑η)Pb+ηPn                    (11)其中η为权重因子。

8.根据权利要求7所述的一种基于神经通路的用户隐私保护方法，其特征在于，权重因子η越大，具有隐私鲁棒性的节点嵌入的隐私保护能力越强。

9.一种电子设备，包括存储器和处理器，其特征在于，所述存储器与所述处理器耦接；

其中，所述存储器用于存储程序数据，所述处理器用于执行所述程序数据以实现上述权利要求1‑8任一项所述的基于神经通路的用户隐私保护方法。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如权利要求1‑8中任一所述的基于神经通路的用户隐私保护方法。