本发明提供了一种基于感染图卷积网络的源识别方法及系统，涉及网络探索式搜索技术领域，该方法包括：步骤S1：输入经过对称归一化的拉普拉斯矩阵和各个节点的特征向量V；步骤S2：基于图神经网络的特征优化层，基于通过向量化的特征输入对图神经网络进行迭代更新，对特征向量V进行优化；步骤S3：基于多个IGCN网络层根据不同的类型节点选择分配不同的权重进行特征优化，更新特征向量V；步骤S4：根据更新的特征向量V，输入到前反馈神经网络中，输出学习得到的分类概率；步骤S5：将源识别问题定义为图分类问题，使用交叉熵损失函数进行反向传播，学习输入节点的特征向量V。本发明能够在模型无关的情况下提高对源的预测准确性。