节点分类任务中的干净标签图后门攻击方法
密码学与安全
2024-01-02 v1 机器学习
摘要
传统图神经网络领域的后门攻击由于标签混淆的困境而容易被检测。为了探索图神经网络的后门脆弱性并创建更隐蔽的后门攻击方法，本文提出了一种节点分类任务中的干净标签图后门攻击方法。与现有后门攻击方法不同，CGBA既不需要修改节点标签，也不需要修改图结构。具体来说，为了解决样本内容与标签不一致的问题，CGBA在特定目标类中选择中毒样本，并在向目标样本注入触发器后，使用样本的标签作为目标标签（即干净标签）。为了保证相邻节点的相似性，精心挑选节点的原始特征作为触发器，以进一步提高触发器的隐蔽性。大量实验结果表明了该方法的有效性。当中毒率为0.04时，CGBA的平均攻击成功率分别达到87.8%、98.9%、89.1%和98.5%。
引用
@article{arxiv.2401.00163,
title = {A clean-label graph backdoor attack method in node classification task},
author = {Xiaogang Xing and Ming Xu and Yujing Bai and Dongdong Yang},
journal= {arXiv preprint arXiv:2401.00163},
year = {2024}
}
备注
14pages