基于局部影响分析模型的图神经网络对抗攻击

摘要：

图神经网络(GNN)容易受到对抗攻击安全威胁.现有研究未注意到图神经网络对抗攻击与统计学经典分支统计诊断之间的联系.该文分析了二者理论本质的一致性,将统计诊断的重要成果局部影响分析模型引入图神经网络对抗攻击.首先建立局部影响分析模型,提出并证明针对图神经网络攻击的扰动筛选公式,得出该式的物理意义为扰动对模型训练参数影响的度量.其次为降低计算复杂度,根据扰动筛选公式的物理意义得出扰动筛选近似公式.最后引入投影梯度下降算法实施扰动筛选.实验结果表明,将局部影响分析模型引入图神经网络对抗攻击领域具有合理性;与现有攻击方法相比,所提方法具有有效性.

关键词：图神经网络、对抗攻击、统计诊断、局部影响分析、投影梯度下降

所属期刊栏目：44

分类号：TN915.08;TP18

资助基金：自然科学基金创新研究群体项目;国家重点研发计划;郑州市协同创新重大专项基金

在线出版日期：2022-07-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：2576-2583