GrOVe：利用嵌入的图神经网络所有权验证
机器学习
2023-09-06 v2 密码学与安全
摘要
图神经网络（GNNs）已成为在各种应用环境（如社交网络）中对大规模图结构数据建模和推断的最先进方法。GNN 的主要目标是为数据集中每个图节点学习一个嵌入，该嵌入编码节点特征及节点周围的局部图结构。GNN 为图节点生成的嵌入对该 GNN 是唯一的。先前工作表明 GNN 易受模型提取攻击。模型提取攻击与防御已在其他非图环境中被广泛研究。虽然检测或阻止模型提取似乎困难，但通过有效的所有权验证技术来威慑它们提供了一种潜在防御。在非图环境中，对模型或用于构建模型的数据进行指纹识别已被证明是一种有前景的所有权验证方法。我们提出 GrOVe，一种最先进的 GNN 模型指纹识别方案，其在给定目标模型和疑似模型时，能可靠判定疑似模型是独立于目标模型训练还是通过模型提取获得的目标模型的替代模型。我们表明，即使独立模型使用与目标原始模型相同的训练数据集和架构，GrOVe 也能区分替代模型与独立模型。利用六个基准数据集和三种模型架构，我们表明其持续实现低假阳性率和假阴性率。我们证明其对已知指纹规避技术具有鲁棒性，同时保持计算高效。
引用
@article{arxiv.2304.08566,
title = {GrOVe: Ownership Verification of Graph Neural Networks using Embeddings},
author = {Asim Waheed and Vasisht Duddu and N. Asokan},
journal= {arXiv preprint arXiv:2304.08566},
year = {2023}
}
备注
To appear in the IEEE Symposium on Security and Privacy, 2024. 12 pages, 5 figures