中文

通过图投毒对节点嵌入的对抗攻击

机器学习 2019-05-28 v3 密码学与安全 社会与信息网络 机器学习

摘要

网络表示学习的目标是学习捕获图结构并有助于解决下游任务的低维节点嵌入。然而,尽管此类方法大量涌现,目前尚无关于其对对抗攻击鲁棒性的研究。我们针对基于随机游走的广泛使用的方法族提供了首个对抗脆弱性分析。我们推导出高效的对抗扰动,其投毒网络结构并对嵌入质量与下游任务均产生负面影响。我们进一步表明我们的攻击是可迁移的,因为它们泛化到许多模型,并且即使在攻击者受限时也能成功。

关键词

引用

@article{arxiv.1809.01093,
  title  = {Adversarial Attacks on Node Embeddings via Graph Poisoning},
  author = {Aleksandar Bojchevski and Stephan Günnemann},
  journal= {arXiv preprint arXiv:1809.01093},
  year   = {2019}
}

备注

ICML 2019, PMLR 97:695-704