LinkThief：将通用结构知识与节点相似性结合，用于针对 GNN 的链接盗取攻击
密码学与安全
2024-10-07 v1 人工智能
机器学习
摘要
图神经网络（GNN）在多媒体领域具有广泛应用。近期研究表明，图神经网络（GNN）可能受到链接盗取攻击，这类攻击推断目标 GNN 训练图中边的存在性。现有攻击通常基于两个节点共享相似后验假设之间存在链接的假设，但忽略了在此假设下并不成立的链接。为此，我们提出 LinkThief，一种结合通用结构知识与节点相似性的改进型链接盗取攻击，适用于攻击者背景知识包含部分泄露的目标图和影子图的场景。具体而言，为使攻击模型洞察涵盖影子图和目标图的链接结构，我们提出创建影子-目标桥接图并从中提取边子图结构特征。通过隐私盗窃视角的理论分析，我们首先探讨如何实现上述想法。基于这些发现，我们设计了桥接图生成器以构建影子-目标桥接图。随后，由边子图准备模块对链接周围的子图进行采样。最后，我们设计了边缘结构特征提取器，以获取通用结构知识，并将其与节点相似性结合，形成提供给攻击模型的特征。大量实验验证了理论分析的正确性，并表明 LinkThief 在无需额外假设的情况下仍能有效盗取链接。
引用
@article{arxiv.2410.02826,
title = {LinkThief: Combining Generalized Structure Knowledge with Node Similarity for Link Stealing Attack against GNN},
author = {Yuxing Zhang and Siyuan Meng and Chunchun Chen and Mengyao Peng and Hongyan Gu and Xinli Huang},
journal= {arXiv preprint arXiv:2410.02826},
year = {2024}
}