图神经网络上的硬标签黑盒节点注入攻击
机器学习
2023-11-23 v1 密码学与安全
社会与信息网络
摘要
尽管图神经网络在许多包括图分类与节点分类的实世界任务中取得了最先进的性能，近期工作表明它们也极易受到对抗攻击。多数先前工作聚焦于在不切实际的白盒场景下攻击节点分类网络。本工作中，我们提出一种非定向的硬标签黑盒节点注入攻击（Hard Label Black Box Node Injection Attack）于图神经网络，据我们所知，这是此类中的首个。在该设定下，更多实世界任务可被研究，因为我们的攻击假设对以下三点无先验知识：(1) 我们所攻击的 GNN 的模型架构；(2) 模型的梯度；(3) 目标 GNN 模型的输出 logits。我们的攻击基于一种已有的边扰动攻击，从中我们限制优化过程以构造节点注入攻击。工作中我们将使用三个数据集 COIL-DEL、IMDB-BINARY 与 NCI1 来评估该攻击的性能。
引用
@article{arxiv.2311.13244,
title = {Hard Label Black Box Node Injection Attack on Graph Neural Networks},
author = {Yu Zhou and Zihao Dong and Guofeng Zhang and Jingchen Tang},
journal= {arXiv preprint arXiv:2311.13244},
year = {2023}
}