arXiv · ML· Farid Mafi, Saber Jafarpour, Mohammad Pirani·· 8 小时前AI 评分31
GNN 对抗攻击与防御的分离原则：SepAttack 方法
A Separation Principle for Adversarial Attacks and Defense of Graph Neural Networks
AI 导读
研究提出针对 GNN 特征攻击的 SepAttack 方法，基于归一化邻接算子谱特性推导最优特征扰动。 该攻击将扰动分解为图依赖分量（与节点度相关）和权重依赖分量（为组合权重的顶奇异向量），无需梯度计算。 SepAttack 在目标场景中较 Nettack 和 IG-Attack 基准实现最高约 70 倍加速，并在连续特征图跨架构迁移中表现优异。
来源：arXiv · ML · arxiv.org