一种面向图神经网络的图重构防御方法

作     者：陈晋音 黄国瀚 张敦杰 张旭鸿 纪守领 Chen Jinyin;Huang Guohan;Zhang Dunjie;Zhang Xuhong;Ji Shouling

作者机构：浙江工业大学网络空间安全研究院杭州310023 浙江工业大学信息工程学院杭州310023 浙江大学控制科学与工程学院杭州310007 浙江大学计算机科学与技术学院杭州310007 

基　　金：国家自然科学基金项目(62072406) 浙江省自然科学基金项目(LY19F020025) 公安部重点实验室2020年开放课题(2020DSJSYS001) 

出 版 物：《计算机研究与发展》 (Journal of Computer Research and Development)

年 卷 期：2021年第58卷第5期

页      码：1075-1091页

摘      要：近年来,图神经网络在图表示学习领域中取得了较好表现广泛应用于日常生活中,例如电子商务、社交媒体和生物学等.但是研究表明,图神经网络容易受到精心设计的对抗攻击迷惑,使其无法正常工作.因此,提高图神经网络的鲁棒性至关重要.已有研究提出了一些提高图神经网络鲁棒性的防御方法,然而如何在确保模型主任务性能的前提下降低对抗攻击的攻击成功率仍存在挑战.通过观察不同攻击产生的对抗样本发现,对抗攻击生成的对抗连边所对应的节点对之间通常存在低结构相似性和低节点特征相似性的特点.基于上述发现,提出了一种面向图神经网络的图重构防御方法GRD-GNN,分别从图结构和节点特征考虑,采用共同邻居数和节点相似度2种相似度指标检测对抗连边并实现图重构,使得重构的图结构删除对抗连边,且添加了增强图结构关键特征的连边,从而实现有效防御.最后,论文在3个真实数据集上展开防御实验,验证了GRD-GNN相比其他防御方法均能取得最佳的防御性能,且不影响正常图数据的分类任务.此外,利用可视化方法对防御结果做解释,解析方法的有效性.

主 题 词：图重构 对抗攻击 图神经网络 图表示学习 节点分类 

学科分类：0810[工学-土木类] 12[管理学] 1201[管理学-管理科学与工程类] 0808[工学-自动化类] 0839[0839] 081104[081104] 08[工学] 0835[0835] 0811[工学-水利类] 0812[工学-测绘类] 

核心收录：

D　O　I：10.7544/issn1000-1239.2021.20200935

馆 藏 号：203103177...