对抗性与均衡：通过动态均衡探索图对抗鲁棒性
机器学习
2025-05-21 v1
摘要
针对图分析的对抗攻击正受到越来越多的关注。迄今为止，已从图本身或图神经网络的角度提出了两类对策来抵御各种图对抗攻击。然而，一个基本问题在于：图体系内是否存在内在的对抗鲁棒性状态，以及如果存在，如何找到这一临界状态。本文从三个独特的视角致力于解决上述研究问题： 我们将图上的对抗学习过程视为一个复杂的多目标动态系统，并对对抗攻击的行为进行建模； 我们提出了一个广义的理论框架来证明临界对抗鲁棒性状态的存在； 我们开发了一个紧凑的一维函数来捕捉扰动下图体系的动态变化，并通过求解动态系统的均衡点来精确定位临界状态。多维度实验表明，在五个常用的真实世界数据集和三种代表性攻击下，我们提出的方法能显著优于 SOTA 防御方法。
引用
@article{arxiv.2505.14463,
title = {Adverseness vs. Equilibrium: Exploring Graph Adversarial Resilience through Dynamic Equilibrium},
author = {Xinxin Fan and Wenxiong Chen and Mengfan Li and Wenqi Wei and Ling Liu},
journal= {arXiv preprint arXiv:2505.14463},
year = {2025}
}