针对图卷积网络的语义干净标签后门攻击
机器学习
2025-03-20 v1 人工智能
密码学与安全
摘要
图卷积网络(GCN)在节点分类和图分类等图结构任务中表现优异。然而，近期研究表明 GCN 面临名为后门攻击的新型威胁——攻击者可向 GCN 注入隐藏后门，使其在正常样本上表现良好，但在攻击者定义的触发器激活后，预测结果将被恶意改变为攻击者指定的目标标签。干净标签后门攻击和语义后门攻击是两种针对深度神经网络(DNN)的新型后门攻击，它们更隐蔽且构成新的严重威胁。GCN 中的语义干净标签后门攻击尚未充分探索。在本文中，我们在图分类语境下提出 SCLBA，以揭示此类安全漏洞的存在。具体而言，SCLBA 对图样本进行重要性分析，以选择一种节点作为语义触发器，将其插入图样本以创建投毒样本，但不改变投毒样本的标签即攻击者指定的目标标签。我们在多个数据集上评估了 SCLBA，结果表明 SCLBA 在投毒率不足 3% 时，可实现接近 99% 的攻击成功率，且对模型在正常样本上的性能几乎没有影响。
引用
@article{arxiv.2503.14922,
title = {A Semantic and Clean-label Backdoor Attack against Graph Convolutional Networks},
author = {Jiazhu Dai and Haoyu Sun},
journal= {arXiv preprint arXiv:2503.14922},
year = {2025}
}