AHSG：图神经网络中高级语义的对抗攻击
机器学习
2025-06-10 v3
摘要
图神经网络的对抗攻击旨在通过精心修改图拓扑和节点属性来扰动学习器的性能。现有方法通过约束修改预算和图属性差异来实现攻击隐蔽性。然而，这些方法通常直接破坏任务相关的初级语义，导致攻击的可防御性和可检测性较低。本文提出一种图神经网络高级语义对抗攻击方法(AHSG)，这是一种确保初级语义保留的图结构攻击模型。通过结合潜在表示与共享初级语义，我们的模型在保留原始图的可检测属性和关系模式的同时，利用更细微的变化来实施攻击。随后，我们使用投影梯度下降算法将带有攻击效果的潜在表示映射到对抗图中。在配备防御策略的鲁棒图深度学习模型上的实验表明，AHSG在攻击有效性方面优于其他最先进方法。此外，利用上下文随机块模型检测被攻击图进一步验证了我们的方法保留了图的初级语义。
引用
@article{arxiv.2412.07468,
title = {AHSG: Adversarial Attack on High-level Semantics in Graph Neural Networks},
author = {Kai Yuan and Jiahao Zhang and Yidi Wang and Xiaobing Pei},
journal= {arXiv preprint arXiv:2412.07468},
year = {2025}
}