研究重定义有向图GNN鲁棒性并提出防御框架

Zhichao Hou 等作者在 arXiv 论文中重新定义了有向图上图神经网络（GNN）的鲁棒性。他们指出，既有鲁棒 GNN 研究主要针对无向图，忽略了链接方向中蕴含的信任信号。 作者从攻击侧提出更贴近真实场景的有向图攻击设定，从防御侧提出一个可插拔的消息传递框架，称其可避免虚假的鲁棒感。作者称，该框架与现有防御策略结合后，在迁移攻击和自适应攻击下取得 SOTA 鲁棒性能，同时保持较强的干净准确率。

AI 根据报道生成 · 49 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。