HyperAttack：面向超图神经网络的多梯度引导白盒对抗结构攻击
机器学习
2023-02-27 v1 人工智能
密码学与安全
摘要
超图神经网络（HGNN）凭借其高阶表示能力，通过超边建模连接两个或多个节点来刻画数据间复杂关联，在各种深度学习任务中展现出优越性能。尽管图神经网络（GNN）上的对抗攻击已被充分研究，针对 HGNN 的对抗攻击却鲜有探讨，这给 HGNN 应用安全带来威胁。本文提出 HyperAttack，首个针对超图神经网络的白盒对抗攻击框架。HyperAttack 以梯度与积分梯度为指导，通过扰动面向目标节点的超边连接状态实施白盒结构攻击。我们在广泛使用的 Cora 与 PubMed 数据集以及三种具典型超图建模技术的超图神经网络上评估了 HyperAttack。与最先进的 GNN 白盒结构攻击方法相比，HyperAttack 在时间效率上提升 10-20 倍，同时将攻击成功率提高 1.3%-3.7%。结果表明，HyperAttack 能够实现兼顾效果与时间开销的高效对抗攻击。
引用
@article{arxiv.2302.12407,
title = {HyperAttack: Multi-Gradient-Guided White-box Adversarial Structure Attack of Hypergraph Neural Networks},
author = {Chao Hu and Ruishi Yu and Binqi Zeng and Yu Zhan and Ying Fu and Quan Zhang and Rongkai Liu and Heyuan Shi},
journal= {arXiv preprint arXiv:2302.12407},
year = {2023}
}
备注
10+2pages,9figures