从双层到单层：一种面向图异常检测的结构攻击框架
密码学与安全
2023-07-18 v2
摘要
图神经网络的成功刺激了图挖掘及相应下游任务（包括图异常检测（GAD））的繁荣。然而，已有探索表明这些图挖掘方法易受关系数据上结构操纵的影响。即攻击者可以恶意扰动图结构，以协助目标节点逃避异常检测。在本文中，我们探究了两种典型 GAD 系统的结构脆弱性：无监督的基于 FeXtra 的 GAD 与有监督的基于 GCN 的 GAD。具体而言，针对 GAD 的结构投毒攻击被表述为复杂的双层优化问题。我们的第一个主要贡献是利用不同回归方法将双层问题转化为单层问题。此外，我们提出了一种利用梯度信息在离散域中优化单层优化问题的新方法。综合实验证明了我们所提出的攻击算法 BinarizedAttack 的有效性。
引用
@article{arxiv.2206.08260,
title = {From Bi-Level to One-Level: A Framework for Structural Attacks to Graph Anomaly Detection},
author = {Yulin Zhu and Yuni Lai and Kaifa Zhao and Xiapu Luo and Mingquan Yuan and Jun Wu and Jian Ren and Kai Zhou},
journal= {arXiv preprint arXiv:2206.08260},
year = {2023}
}
备注
arXiv admin note: substantial text overlap with arXiv:2106.09989