面向图神经网络数据投毒的强化学习
机器学习
2021-07-29 v1 人工智能
密码学与安全
摘要
由于我们所训练模型缺乏鲁棒性，加之众包实践使攻击者能够篡改数据，对抗机器学习已成为计算机科学的一个重要子领域。在过去两年中，针对图的对抗攻击兴趣激增，然而图分类设定几乎未被触及。由于图分类数据集由带类别标签的离散图组成，相关工作放弃了直接梯度优化而采用间接的强化学习方法。我们将研究利用强化学习智能体对用于图分类的神经网络进行数据投毒（训练时）攻击这一新问题。
引用
@article{arxiv.2102.06800,
title = {Reinforcement Learning For Data Poisoning on Graph Neural Networks},
author = {Jacob Dineen and A S M Ahsan-Ul Haque and Matthew Bielskas},
journal= {arXiv preprint arXiv:2102.06800},
year = {2021}
}