本发明涉及一种基于GCN的动态社交用户对齐方法，属于网络分析领域。利用源网络和目标网络中的节点与边的结构和关系，组合成一个融合网络Z，用于保存两个网络中的节点与边的结构，并作为模型的初始输入结构，且根据网络动态变化的时间序列，生成一系列网络快照Z₁，Z₂，...Z_T；最后通过一个全连接层输出网络表示，同时在全连接层定义一个损失函数进行节点分类，分出潜在锚节点与非锚节点。本发明可以在深层神经网络模型下完成动态网络的用户对齐任务，有效保存网络结构信息、属性信息和时间信息等多维信息，解决动态网络用户对齐任务模型重训练、训练信息单一等问题。