窃取图神经网络模型
机器学习
2025-11-14 v2 密码学与安全
摘要
当前图神经网络 (GNN) 的模型窃取方法高度依赖对受害者模型的查询，假设不存在严格的查询限制。然而，实际情况下，允许的查询次数可能受到严格限制。本文演示了在与模型交互极少的情况下提取 GNN 的方法。我们的方法首先 enables 获得模型主干结构，而无需直接查询受害者模型，然后 strategically 利用固定的查询限制来提取最具信息性的数据。在八个真实数据集上的实验表明，即使在查询限制严苛且针对模型提取的防御措施已实施的情况下，攻击也依然有效。我们的发现凸显了针对 GNN 模型窃取威胁需要 robust 防御的必要性。
引用
@article{arxiv.2511.07170,
title = {On Stealing Graph Neural Network Models},
author = {Marcin Podhajski and Jan Dubiński and Franziska Boenisch and Adam Dziedzic and Agnieszka Pręgowska and Tomasz P. Michalak},
journal= {arXiv preprint arXiv:2511.07170},
year = {2025}
}
备注
Accepted at AAAI 2026