一种面向图分类攻击的对抗检测算法

摘要：

近年来,图分类是一个在不同领域具有实际应用价值的基本问题.同时,有关图分类任务的恶意攻击层出不穷.现有的方法主要集中在提高图分类模型的精度上,忽略了鲁棒性和可解释性.此外大部分工作是使用对抗图来减少恶意攻击的负面影响,通常忽视了干净图的潜力,主要是因为它们无法区分对抗图和正常图.因此,本文研究了通过特征转换来探索干净图和对抗图之间的内在差异,从而增强图神经网络对恶意攻击的鲁棒性问题.特别地,提出了一种新的对抗检测机制,可以通过干净图创建有监督的知识来训练检测能力.最后在3 种真实数据集上,对3 种图分类攻击展开对抗检测实验.实验结果表明联合动态对抗检测的性能最优,检测率高达90%,可有效检测对抗图.

关键词：图分类、对抗检测、子图网络、数据挖掘

所属期刊栏目：44

分类号：TP393(计算技术、计算机技术)

资助基金：国家自然科学基金;浙江省重点研发计划项目;国家自然科学基金

在线出版日期：2023-10-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：2113-2119