ASGNN：具有自适应结构的图神经网络
机器学习
2022-10-04 v1 人工智能
摘要
图神经网络(GNN)模型已在众多机器学习任务中展现出令人印象深刻的成就。然而，许多现有 GNN 模型被证明易受对抗攻击，这催生了构建鲁棒 GNN 架构的迫切需求。在本工作中，我们提出一种新颖的具有自适应结构(ASMP)的可解释消息传递方案，以防御图上结构的对抗攻击。ASMP 中的层基于最小化同时学习节点特征和图结构的目标函数的优化步骤导出。ASMP 的自适应在于不同层中的消息传递过程能够在动态调整的图上进行。该性质允许对含噪(或受扰动)图结构进行更细粒度的处理，从而提升鲁棒性。ASMP 方案的收敛性在理论上得到确立。将 ASMP 与神经网络结合可得到一类具有自适应结构(ASGNN)的新 GNN 模型。在半监督节点分类任务上的广泛实验表明，所提出的 ASGNN 在各种对抗攻击下分类性能优于最先进的 GNN 架构。
引用
@article{arxiv.2210.01002,
title = {ASGNN: Graph Neural Networks with Adaptive Structure},
author = {Zepeng Zhang and Songtao Lu and Zengfeng Huang and Ziping Zhao},
journal= {arXiv preprint arXiv:2210.01002},
year = {2022}
}