提出有向图GNN攻击防御框架:用边方向信任信号提升鲁棒性
热点事件持续更新
提出有向图GNN攻击防御框架:用边方向信任信号提升鲁棒性
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
Zhichao Hou 等在 arXiv 发布论文(新版本),提出面向有向图 GNN 的鲁棒性攻击设置和可插拔消息传递防御框架,利用边方向编码的信任信号提升模型鲁棒性。 基于论文摘要,该框架与既有防御策略结合后,在迁移攻击和自适应攻击下取得了作者所称的先进鲁棒性能,同时保持较强的干净准确率;以上为作者声称结果,尚无独立验证。
AI 根据报道生成 · 2 小时前更新
最新进展10月19日 12:00
有向图图学习研究利用信任信号提升GNN鲁棒性报道时间线
沿着报道,了解事件的不同侧面。
10月19日
- arXiv · cs.AI有向图图学习研究利用信任信号提升GNN鲁棒性
研究者提出面向有向图GNN的鲁棒性攻击设置和可插拔消息传递防御框架,利用边方向编码的信任信号提升模型鲁棒性。基于论文摘要,该框架结合既有防御策略后,在迁移攻击和自适应攻击下取得了作者所称的先进鲁棒性能,并保持较强的干净准确率。
本事件热度走势
还没有足够的连续观测数据,暂不绘制趋势。