多对抗视图训练网络

对抗攻击下更稳

该网络通过在采样子图上对节点属性和隐表示同时进行对抗攻击来生成多样化的对抗视图,从而在保持高效训练的同时显著提升了模型对对抗攻击的鲁棒性。

Li, Wen · Ng, Wing W.Y. · 王恒友 · Zhang, Jiangjun · Zhong, Cankun · 杨亮

IEEE Transactions on Cybernetics 2025

技术优势

省去显式图攻击

通过攻击隐表示进行隐式图结构对抗,避免了高成本的显式图结构攻击计算。

计算更高效

在随机采样子图上生成对抗视图,降低了大规模图上的计算开销。

攻击下更鲁棒

在多种受攻击的图上,节点分类性能相较于现有鲁棒方法保持更高。

应用场景