跳到正文
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

报道时间线

沿着报道,了解事件的不同侧面。

10月19日
  1. 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。