論文の概要: Adverseness vs. Equilibrium: Exploring Graph Adversarial Resilience through Dynamic Equilibrium

• arxiv url: http://arxiv.org/abs/2505.14463v1
• Date: Tue, 20 May 2025 14:58:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-21 14:49:53.443933
• Title: Adverseness vs. Equilibrium: Exploring Graph Adversarial Resilience through Dynamic Equilibrium
• Title（参考訳）: Adverseness vs. Equilibrium: Dynamic Equilibriumによるグラフ逆レジリエンスの探索
• Authors: Xinxin Fan, Wenxiong Chen, Mengfan Li, Wenqi Wei, Ling Liu,
• Abstract要約: グラフ分析に対するアドリアック攻撃が注目を集めている。 グラフごとのグラフやグラフニューラルネットの観点から、様々なグラフ敵攻撃に抵抗する2つの対策が提案されている。 本稿では,3つの異なる視点から,上記の研究課題に取り組むことに寄与する。
• 参考スコア（独自算出の注目度）: 10.611102538302418
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Adversarial attacks to graph analytics are gaining increased attention. To date, two lines of countermeasures have been proposed to resist various graph adversarial attacks from the perspectives of either graph per se or graph neural networks. Nevertheless, a fundamental question lies in whether there exists an intrinsic adversarial resilience state within a graph regime and how to find out such a critical state if exists. This paper contributes to tackle the above research questions from three unique perspectives: i) we regard the process of adversarial learning on graph as a complex multi-object dynamic system, and model the behavior of adversarial attack; ii) we propose a generalized theoretical framework to show the existence of critical adversarial resilience state; and iii) we develop a condensed one-dimensional function to capture the dynamic variation of graph regime under perturbations, and pinpoint the critical state through solving the equilibrium point of dynamic system. Multi-facet experiments are conducted to show our proposed approach can significantly outperform the state-of-the-art defense methods under five commonly-used real-world datasets and three representative attacks.
• Abstract（参考訳）: グラフ分析に対する敵対的攻撃が注目を集めている。 現在までに、グラフごとのグラフやグラフニューラルネットワークの観点から、様々なグラフ敵攻撃に抵抗する2つの対策が提案されている。 それでも、根本的な疑問は、グラフ構造内に固有の対向レジリエンス状態が存在するかどうかと、そのような臨界状態が存在する場合の発見方法である。 本稿では,3つの異なる視点から,上記の研究課題に取り組むことに寄与する。 一 グラフ上の敵対学習の過程を複合多目的力学系とみなし、敵攻撃の挙動をモデル化する。 二 批判的敵のレジリエンス状態の存在を示すための一般的な理論的枠組みを提案すること。 三 摂動下でのグラフ状態の動的変動を捉えるための一次元凝縮関数を開発し、力学系の平衡点を解くことにより臨界状態を特定する。 提案手法は,5つの一般的な実世界のデータセットと3つの代表的な攻撃に対して,最先端の防御手法を大幅に上回ることを示すために,多面体実験を行った。

関連論文リスト

• Quantifying the Noise of Structural Perturbations on Graph Adversarial Attacks [24.620500131169955]
  グラフニューラルネットワークは、グラフ関連の課題を解決するために広く利用されている。 グラフ敵対攻撃に関する最近の研究は、現在のグラフニューラルネットワークが悪意のある攻撃に対して堅牢でないことを証明している。
  論文  参考訳（メタデータ） (2025-04-29T15:42:56Z)
• Unified Causality Analysis Based on the Degrees of Freedom [1.2289361708127877]
  本稿では,システム間の因果関係を同定する統一手法を提案する。 システムの自由度を分析することで、私たちのアプローチは因果的影響と隠れた共同設立者の両方についてより包括的な理解を提供する。 この統合されたフレームワークは、理論モデルとシミュレーションを通じて検証され、その堅牢性とより広範な応用の可能性を示す。
  論文  参考訳（メタデータ） (2024-10-25T10:57:35Z)
• Signed Graph Neural Ordinary Differential Equation for Modeling Continuous-time Dynamics [13.912268915939656]
  グラフニューラルネットワークを通常の微分方程式と統合する一般的なアプローチは、有望な性能を示している。 符号付きグラフニューラル常微分方程式は,符号付き情報の誤キャプチャの限界に十分対処する。 提案したソリューションは、柔軟性と効率性の両方を誇っている。
  論文  参考訳（メタデータ） (2023-12-18T13:45:33Z)
• Linear Opinion Dynamics Model with Higher-Order Interactions [17.413930396663833]
  グラフ上の意見ダイナミクスをハイパーグラフに拡張するために、人気のあるFriedkin-Johnsenモデルを拡張する。 我々は、高次相互作用が意見力学において重要な役割を果たすことを示した。
  論文  参考訳（メタデータ） (2023-10-09T12:56:11Z)
• Interpretable Imitation Learning with Dynamic Causal Relations [65.18456572421702]
  得られた知識を有向非巡回因果グラフの形で公開することを提案する。 また、この因果発見プロセスを状態依存的に設計し、潜在因果グラフのダイナミクスをモデル化する。 提案するフレームワークは,動的因果探索モジュール,因果符号化モジュール,予測モジュールの3つの部分から構成され,エンドツーエンドで訓練される。
  論文  参考訳（メタデータ） (2023-09-30T20:59:42Z)
• Decentralized Adversarial Training over Graphs [44.03711922549992]
  近年、敵攻撃に対する機械学習モデルの脆弱性が注目されている。 マルチエージェントシステムのための分散逆数フレームワークを開発する。
  論文  参考訳（メタデータ） (2023-03-23T15:05:16Z)
• Towards Robust and Adaptive Motion Forecasting: A Causal Representation Perspective [72.55093886515824]
  本稿では,3つの潜伏変数群からなる動的過程として,運動予測の因果的形式化を導入する。 我々は、因果グラフを近似するために、不変なメカニズムやスタイルの共創者の表現を分解するモジュラーアーキテクチャを考案する。 合成および実データを用いた実験結果から,提案した3つの成分は,学習した動き表現の頑健性と再利用性を大幅に向上することが示された。
  論文  参考訳（メタデータ） (2021-11-29T18:59:09Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。