简单高效的偏图对抗攻击：一种新视角
机器学习
2024-12-03 v1 密码学与安全
摘要
随着图神经网络研究的日益深入与全面，其鲁棒性与安全性受到了极大关注。现有的全局攻击方法将图中所有节点视为攻击目标。尽管现有方法已取得优异结果，仍有相当大的改进空间。关键问题在于当前方法僵化地遵循全局攻击的定义，忽略了一个重要问题，即不同节点具有不同鲁棒性且对攻击的抵御能力不均。从全局攻击者视角，我们应明智地安排攻击预算，而非将其浪费于高度鲁棒的节点上。为此，我们提出了一种全新方法，称为偏图攻击（PGA），其选取脆弱节点作为攻击目标。首先，为选取脆弱项，我们提出一种分层目标选择策略，使攻击者仅聚焦于易攻节点。然后，我们提出一种高性价比锚点选取策略以挑选最具潜力的锚点用于添加或删除边，以及一种更具侵略性的基于迭代贪婪的攻击方法以执行更高效攻击。大量实验结果表明，与其他现有图全局攻击方法相比，PGA 在攻击效果与攻击效率上均能取得显著提升。
引用
@article{arxiv.2308.07834,
title = {Simple and Efficient Partial Graph Adversarial Attack: A New Perspective},
author = {Guanghui Zhu and Mengyu Chen and Chunfeng Yuan and Yihua Huang},
journal= {arXiv preprint arXiv:2308.07834},
year = {2024}
}