稳定融合图卷积网络

抗异常边攻击

通过稳定邻域融合机制增强图卷积网络对异常边的鲁棒性。

Shuman, Zhuang · Zhihao, Wu · 樊继聪 · 陈赵亮 · 印佳丽 · 黄巍 · 74102781

Information Fusion 2026

技术优势

异常边权重动态调整

根据边的可疑程度动态调整权重，抑制异常边对信息融合的影响。

同时提升良性与对抗性能

在正常数据和对抗攻击下都优于现有最优方法，无需在精度和鲁棒性之间折衷。

应用场景

• 图神经网络鲁棒性：在存在异常边的图数据上仍能保持稳定预测，可直接用于金融风控、社交网络分析等对抗环境。
• 社交网络异常检测：动态调整边权重，有效抑制恶意账号或虚假关系的干扰，提升对异常行为的检测精度。
• 推荐系统抗攻击：抵抗注入攻击，防止推荐结果被操纵，维护系统公信力。