Graph
文章平均质量分 95
图神经网络✔,图深度学习✔,胡图图×
ca1m4n
Data Mining, Machine Learning, and Deep Learning on Graphs...
展开
-
【Attack】拓扑缺陷图注入攻击
GIA 设置下 GNN 的拓扑漏洞进行了分析,在此基础上我们提出了拓扑缺陷图注入攻击(TDGIA)来进行有效的注入攻击。 TDGIA首先引入拓扑缺陷边选择策略来选择原始节点与注入节点连接。 然后设计平滑特征优化目标来生成注入节点的特征。 对大规模数据集的大量实验表明,TDGIA 在攻击数十种防御 GNN 模型时能够持续且显着地优于各种攻击基线。原创 2024-06-14 02:13:01 · 1015 阅读 · 0 评论 -
【Defence】HeteRobust | Heterophily-Robustness
本文通过形式化节点标签的异配性和GNNs对对抗攻击的鲁棒性之间的关系。理论和实证分析表明,对于同配图数据,有影响力的结构攻击总是会导致同配率降低,而对于异配图数据,同配水平的变化取决于节点度。用于自我(ego-)嵌入和邻居嵌入的单独聚合器也可以提升GNNs的鲁棒性。原创 2024-04-29 14:56:02 · 681 阅读 · 0 评论 -
多标签节点分类
Multi-Label Node Classification on Graph-Structured Data,TMLR’23学习笔记原创 2024-01-18 22:23:55 · 1059 阅读 · 0 评论 -
【Attack】针对GNN-based假新闻检测器
本文提出了第一个针对基于图神经网络(GNN)的假新闻检测器的对抗性攻击框架。具体来说,我们利用多代理强化学习(multi-agent reinforcement learning, MARL)框架来模拟社交媒体上欺诈者的对抗行为。研究表明,在现实世界中,欺诈者相互协调,分享不同的新闻,以逃避假新闻检测器的检测。因此,我们将我们的MARL框架建模为一个马尔可夫博弈,其中包含bot, cyborg, crowd worker agents。原创 2023-11-16 14:07:15 · 330 阅读 · 0 评论 -
【GCN】Semi-Supervised Classification with Graph Convolutional Networks
基于谱分解的经典方法代表之一:GCN, ICLR2017,代码详解-新手向。原创 2023-10-19 16:29:18 · 250 阅读 · 0 评论