Dyn-Backdoor：针对动态链接预测的后门攻击
人工智能
2021-10-11 v1
摘要
动态链接预测（DLP）基于历史信息进行图预测。由于大多数 DLP 方法高度依赖训练数据以获得令人满意的预测性能，训练数据的质量至关重要。后门攻击通过恶意训练数据诱导 DLP 方法做出错误预测，即生成子图序列作为触发器并将其嵌入训练数据。然而，DLP 面对后门攻击的脆弱性尚未被研究。为解决该问题，我们提出了一种针对 DLP 的新型后门攻击框架，记为 Dyn-Backdoor。具体而言，Dyn-Backdoor 通过生成对抗网络（GAN）生成多样化的初始触发器。然后根据 GAN 中攻击判别器的梯度信息，选取初始触发器的部分链接构成触发器集合，以减小触发器规模并提升攻击的隐蔽性。实验结果表明，Dyn-Backdoor 对最先进的 DLP 模型发起了成功率超过 90% 的成功后门攻击。此外，我们针对 Dyn-Backdoor 进行了一种可能的防御以验证其在防御设置下的抗性，凸显了 DLP 后门攻击防御的需求。
引用
@article{arxiv.2110.03875,
title = {Dyn-Backdoor: Backdoor Attack on Dynamic Link Prediction},
author = {Jinyin Chen and Haiyang Xiong and Haibin Zheng and Jian Zhang and Guodong Jiang and Yi Liu},
journal= {arXiv preprint arXiv:2110.03875},
year = {2021}
}
备注
11 pages,6 figures