从双层到单层：一种用于图异常检测的结构攻击框架
摘要：图神经网络的成功促进了图挖掘和相应的下游任务的繁荣，包括图异常检测（GAD）。然而，研究表明这些图挖掘方法对关系数据的结构操作是脆弱的。也就是说，攻击者可以恶意扰乱图结构，帮助目标节点规避异常检测。在本文中，我们探讨了两种典型GAD系统的结构脆弱性：基于无监督FeXtra的GAD和基于监督GCN的GAD。具体而言，我们将针对GAD的结构污染攻击形式化为复杂的双层优化问题。我们的第一个主要贡献是将双层问题转化为利用不同回归方法的单层问题。此外，我们提出了一种利用梯度信息来优化离散域中的单层优化问题的新方法。全面的实验证明了我们提出的二值攻击算法的有效性。
作者：Yulin Zhu, Yuni Lai, Kaifa Zhao, Xiapu Luo, Mingquan Yuan, Jun Wu, Jian Ren, Kai Zhou
论文ID：2206.08260
分类：Cryptography and Security
分类简称：cs.CR
提交时间：2023-07-18