通过注入关键超边节点实现可迁移的超图攻击
声音
2025-11-17 v1
摘要
最近的研究表明，超图神经网络（HGNNs）易受到对抗攻击。然而，现有方法依赖于目标HGNN的特定信息机制，忽略了由于大多数HGNN中沿聚合路径超边关键性差异导致的普遍漏洞，从而限制了攻击的可迁移性和有效性。为此，我们提出一种新框架，即通过注入关键超边节点实现可迁移的超图攻击（TH-Attack）。具体而言，我们通过关键性评估设计了超边识别器，以获取HGNN聚合路径中的关键超边。进一步，我们基于关键超边引入特征反转器，生成最大化生成特征与关键超边特征之间语义偏移的恶意节点。最后，通过将这些恶意节点注入关键超边，TH-Attack提高了攻击的可迁移性和有效性。在六个真实数据集上进行大量实验，验证了TH-Attack的有效性以及其相对于最先进方法的优势。
引用
@article{arxiv.2511.10697,
title = {Graph Neural Field with Spatial-Correlation Augmentation for HRTF Personalization},
author = {De Hu and Junsheng Hu and Cuicui Jiang},
journal= {arXiv preprint arXiv:2511.10697},
year = {2025}
}