In dieser Arbeit schlagen wir ein graphbasiertes Verwandtschaftsverarbeitungsnetzwerk (GKR) für die Verwandtschaftsverifizierung vor, das darauf abzielt, effektive relationalen Schlussfolgerungen auf den extrahierten Merkmalen eines Bildpaares durchzuführen. Im Gegensatz zu den meisten existierenden Methoden, die sich hauptsächlich auf das Lernen diskriminativer Merkmale konzentrieren, berücksichtigt unser Ansatz, wie die extrahierten Merkmalspaare verglichen und fusioniert werden können, um Schlussfolgerungen über verwandtschaftliche Beziehungen zu ziehen. Das vorgeschlagene GKR erstellt einen Sterngraphen, der als Verwandtschaftsrelationengraph bezeichnet wird, bei dem jeder periphere Knoten die Informationsvergleiche in einer Merkmalsdimension darstellt und der zentrale Knoten als Brücke für die Informationskommunikation zwischen den peripheren Knoten dient. Anschließend führt das GKR relationale Schlussfolgerungen auf diesem Graphen durch rekursive Nachrichtenaustauschprozesse durch. Ausführliche experimentelle Ergebnisse auf den Datensätzen KinFaceW-I und KinFaceW-II zeigen, dass das vorgeschlagene GKR die Stand der Technik übertreffen kann.