通过对抗鲁棒性评估减轻噪声边对基于图的算法的影响
机器学习
2024-11-27 v2 密码学与安全
计算机视觉与模式识别
摘要
鉴于现有的图构建方法均无法为给定数据集生成完美的图，基于图的算法常常受到所构建图中存在的冗余边和错误边的影响。在本文中，我们将这些噪声边视为对抗攻击，并提出使用谱对抗鲁棒性评估方法来减轻噪声边对基于图的算法性能的影响。我们的方法识别出对噪声边不太脆弱的点，并仅利用这些鲁棒点来执行基于图的算法。实验表明，我们的方法非常有效，且大幅优于现有的去噪方法。
引用
@article{arxiv.2401.15615,
title = {Mitigating the Impact of Noisy Edges on Graph-Based Algorithms via Adversarial Robustness Evaluation},
author = {Yongyu Wang and Xiaotian Zhuang},
journal= {arXiv preprint arXiv:2401.15615},
year = {2024}
}