热点事件持续更新

GNN对抗攻击框架SepAttack原理与性能发布

1 篇报道1 个报道来源8 小时前更新

先了解这件事

AI 综述

2026年10月30日，arXiv发布了一项关于图神经网络（GNN）对抗攻击的新研究，提出了名为SepAttack的方法。该方法基于归一化邻接算子的谱特性，推导出了针对GNN特征攻击的最优特征扰动公式。 SepAttack的核心原理是将扰动分解为两个部分：与节点度相关的图依赖分量，以及作为组合权重顶奇异向量的权重依赖分量。这种基于分离原理的设计使得该攻击方法无需进行梯度计算，实现了对抗攻击的理论优化。在性能表现上，SepAttack在目标场景中相较于Nettack和IG-Attack等基准方法，实现了最高约70倍的加速。此外，研究还指出该方法在连续特征图的跨架构迁移场景中表现出优异的通用性。

AI 根据报道生成 · 3 小时前更新

最新进展10月30日 12:00

GNN 对抗攻击与防御的分离原则：SepAttack 方法

报道时间线

沿着报道，了解事件的不同侧面。

10月30日

12:00
arXiv · ML
GNN 对抗攻击与防御的分离原则：SepAttack 方法
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。

本事件热度走势

可比范围当前: 8
可比范围峰值: 910月30日 17:00
近 24 小时变化: –

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。