【论文阅读】Model Extraction Attacks on Graph Neural Networks: Taxonomy and Realisation（2021）

摘要

Machine learning models（机器学习模型） are shown to face（面临着） a severe threat（严重的威胁） from Model Extraction Attacks（模型窃取攻击）, where a well-trained private model（训练有素的私有模型） owned by a service provider（服务提供商拥有的） can be stolen（窃取） by an attacker pretending as a client（伪装成客户端的攻击者）. Unfortunately（不幸的是）, prior works（之前的工作） focus on（集中在） the models trained over the Euclidean space（欧几里得空间）, e.g., images and texts（图像和文本）, while how to extract（提取） a GNN model that contains a graph structure and node features（包含图结构和节点特征） is yet to be explored（还有待探索）. In this paper, for the first time（首次）, we comprehensively investigate（全面研究ÿ