基于图神经网络的对抗攻击防御 GNNGUARD: Defending Graph Neural Networks against Adversarial Attacks

参考资料

• 项目：https://zitniklab.hms.harvard.edu/projects/GNNGuard/
• 代码：https://github.com/mims-harvard/GNNGuard
• paper：https://arxiv.org/abs/2006.08149
• poster：https://zitniklab.hms.harvard.edu/publications/posters/GNNGuard-NeurIPS20.pdf

介绍

论文来自于NeurIPS 2020，题目是GNNGUARD，一个应用于图神经网络的通用的抵御对抗攻击的算法。

意义

备注：
GNNGUARD一种通用的算法，任何GNN通过集成GNNGUARD，可以在即使在扰动的图上训练时也可以做出正确预测。

实现效果如图：面对各种对抗攻击时可以有效地恢复GNN的性能。

假如攻击者对结点u投毒，令没有防御的分类器误分类；但是有了GNNGUARD，即使有扰动，也可以正确分类。

核心思想

检测和量化图结构与结点特征之间的关系。

GNNGUARD的本质是一个算法，以