La predicción de enlaces, como una dirección de investigación importante en el análisis de redes complicadas, tiene amplias perspectivas de aplicación. Sin embargo, los algoritmos tradicionales de predicción de enlaces suelen estar diseñados mediante la expresión dispersa de la matriz de adyacencia, lo que es computacionalmente costoso e ineficiente, además de ser incapaces de ejecutarse en redes a gran escala y de preservar sus características estructurales de orden superior. Para llenar este vacío, proponemos un algoritmo de predicción de enlaces basado en GAN (redes generativas adversarias). El algoritmo capas el grafo de red, preservando las características locales y las características estructurales de nivel superior del grafo de red original, y utiliza un modelo generativo adversario para obtener de forma recursiva y hacia atrás la forma vectorial de baja dimensión de los vértices en cada capa del grafo de red como inicialización del grafo de red en la capa anterior. Luego obtiene la forma vectorial de baja dimensión de todos los vértices en el grafo de red original para la predicción de enlaces, y se resuelve el problema de los mínimos locales que pueden generarse mediante la inicialización aleatoria. Los resultados experimentales muestran que nuestro método es superior a muchos algoritmos de vanguardia.