基于有监督网络投毒的网络嵌入对抗攻击
机器学习
2021-02-16 v1 密码学与安全
摘要
利用网络表示学习技术学习低级节点嵌入，有助于解决节点分类和链接预测等下游任务。此类应用中的一个重要考量，是嵌入算法针对对抗攻击的鲁棒性，可通过在原网络上施加扰动来检验。高效的扰动技术能降低网络嵌入在下游任务上的性能。本文从对抗视角研究网络嵌入算法，并观察网络投毒对下游任务的影响。我们提出 VIKING，一种有监督网络投毒策略，在原网络结构上比最先进投毒方法高出至多 18%。我们还将 VIKING 扩展至半监督攻击设定，并展示其与有监督版本相当。
引用
@article{arxiv.2102.07164,
title = {Adversarial Attack on Network Embeddings via Supervised Network Poisoning},
author = {Viresh Gupta and Tanmoy Chakraborty},
journal= {arXiv preprint arXiv:2102.07164},
year = {2021}
}
备注
13 pages, 2 tables, 3 figures, PAKDD 2021