論文の概要: TopFeaRe: Locating Critical State of Adversarial Resilience for Graphs Regarding Topology-Feature Entanglement
- arxiv url: http://arxiv.org/abs/2604.15370v1
- Date: Wed, 15 Apr 2026 09:02:23 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-20 22:00:19.560184
- Title: TopFeaRe: Locating Critical State of Adversarial Resilience for Graphs Regarding Topology-Feature Entanglement
- Title（参考訳）: TopFeaRe: トポロジ-機能的絡み合いに関するグラフのための逆レジリエンスの臨界状態を見つける
- Authors: Xinxin Fan, Wenxiong Chen, Quanliang Jing, Chi Lin, Shaoye Luo, Wenbo Song, Yunfeng Lu,
- Abstract要約: 本稿では, 敵の弾力性の重要状態を特定することで, 敵の防御手法を提案する。
逆アタックモデリング,2次元トポロジ・フィーチャー・アンタングルド・ファンクション・デザイン,および逆レジリエンスの臨界状態の配置の3つの新しい特徴を提示する。
- 参考スコア（独自算出の注目度）: 2.6059069273532773
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Graph adversarial attacks are usually produced from the two perspectives of topology/structure and node feature, both of them represent the paramount characteristics learned by today's deep learning models. Although some defense countermeasures are proposed at present, they fails to disclose the intrinsic reasons why these two aspects necessitate and how they are adequately fused to co-learn the graph representation. Towards this question, we in this paper propose an adversarial defense approach through locating the graph's critical state of adversarial resilience, resorting to the equilibrium-point theory in the discipline of complex dynamic system (CDS). In brief, our work has three novelties: i) Adversarial-Attack Modeling, i.e. map a graph regime into CDS, and use the oscillation of dynamic system to model the behavior of adversarial perturbation; ii) 2D Topology-Feature-Entangled Function Design for Perturbed Graph, i.e. project graph topology and node feature as two characteristic spaces, and define two-dimensional entangled perturbation functions to represent the dynamic variance under adversarial attacks; and iii) Location of Critical State of Adversarial Resilience, i.e. utilize the equilibrium-point theory to locate the graph's critical state of attack resilience resorting to the perturbation-reflected 2D function. Finally, multi-facet experiments on five commonly-used realistic datasets validate the effectiveness of our proposed approach, and the results show our approach can significantly outperform the state-of-the-art baselines under four representative graph adversarial attacks.
- Abstract（参考訳）: グラフの敵対攻撃は通常、トポロジ/構造とノードの特徴の2つの観点から生成される。
現在、いくつかの防衛対策が提案されているが、これらの2つの側面が必要とされる本質的な理由と、グラフ表現を共同学習するためにどのように適切に融合されているかは明らかになっていない。
本稿では, 複素力学系(CDS)の分野における平衡点理論に依拠して, グラフの逆レジリエンスの臨界状態を特定することで, 敵防衛手法を提案する。
簡単に言えば、我々の作品は3つの新奇性を持っている。
一 反逆アタックモデリング、すなわち、グラフ体制をCDSにマッピングし、動的システムの振動を利用して、対向摂動の挙動をモデル化すること。
二 摂動グラフのための2次元トポロジ-フィーチャー-アンタングル関数設計、すなわち、プロジェクトグラフトポロジとノード特徴を2つの特徴空間として定義し、対向攻撃下での動的分散を表現するために2次元の絡み合った摂動関数を定義する。
三 逆レジリエンスの臨界状態の位置、すなわち平衡点理論を利用して、摂動反射2D関数による攻撃レジリエンスの臨界状態を特定すること。
最後に, 提案手法の有効性を検証し, 提案手法の有効性を検証し, 4つのグラフ対向攻撃による最先端のベースラインを著しく上回ることを示す。
関連論文リスト
- Learning to Compress Graphs via Dual Agents for Consistent Topological Robustness Evaluation [7.878752226948897]
グラフをコンパクトな表現に圧縮し、トポロジ的構造とロバスト性プロファイルの両方を保存することを提案する。
Cutterは、バイタル検出エージェント(VDA)と冗長検出エージェント(RDA)からなる二重エージェント強化学習フレームワークである。
論文 参考訳（メタデータ） (2025-11-24T10:19:58Z) - Adverseness vs. Equilibrium: Exploring Graph Adversarial Resilience through Dynamic Equilibrium [10.611102538302418]
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。
論文 参考訳（メタデータ） (2025-05-20T14:58:21Z) - A Signed Graph Approach to Understanding and Mitigating Oversmoothing in GNNs [54.62268052283014]
署名されたグラフの枠組みに基づく統一的な理論的視点を示す。
既存の戦略の多くは、メッセージパッシングを変えて過度な操作に抵抗する負のエッジを暗黙的に導入している。
本稿では,ラベルや特徴の類似性に基づいて署名されたエッジを割り当てるプラグイン・アンド・プレイ方式であるStructure Balanced Propagation (SBP)を提案する。
論文 参考訳（メタデータ） (2025-02-17T03:25:36Z) - Graph Defense Diffusion Model [26.41730982598055]
グラフニューラルネットワーク(GNN)は、敵攻撃に対して非常に脆弱であり、パフォーマンスを著しく低下させる可能性がある。
既存のグラフ浄化法は、攻撃されたグラフをフィルタリングすることでこの問題に対処しようとする。
グラフに対する敵攻撃を防御するための,より汎用的なアプローチを提案する。
論文 参考訳（メタデータ） (2025-01-20T16:18:40Z) - When Witnesses Defend: A Witness Graph Topological Layer for Adversarial Graph Learning [19.566775406771757]
計算トポロジー、すなわちグラフの永続的ホモロジー表現から生まれたツールで、逆グラフ学習を橋渡しする。
グラフ上の逆解析に証人複体の概念を導入し、グラフの健全な形状特性にのみ焦点をあてる。
6つのデータセットにわたる実験により、Witness Graph Topological Layerは、さまざまな摂動や、さまざまな敵攻撃に対して、GNNの堅牢性を高めます。
論文 参考訳（メタデータ） (2024-09-21T14:53:32Z) - Dynamic Causal Explanation Based Diffusion-Variational Graph Neural
Network for Spatio-temporal Forecasting [60.03169701753824]
時間予測のための動的拡散型グラフニューラルネットワーク(DVGNN)を提案する。
提案したDVGNNモデルは最先端のアプローチよりも優れ,Root Mean Squared Errorの結果が優れている。
論文 参考訳（メタデータ） (2023-05-16T11:38:19Z) - DyTed: Disentangled Representation Learning for Discrete-time Dynamic
Graph [59.583555454424]
離散時間動的グラフ、すなわちDyTedのための新しいディペンタングル表現学習フレームワークを提案する。
本研究では,時間不変の表現と時間変動の表現を効果的に識別する構造的コントラスト学習とともに,時間的クリップのコントラスト学習タスクを特別に設計する。
論文 参考訳（メタデータ） (2022-10-19T14:34:12Z) - Counterfactual Intervention Feature Transfer for Visible-Infrared Person
Re-identification [69.45543438974963]
視覚赤外人物再識別タスク(VI-ReID)におけるグラフベースの手法は,2つの問題により,悪い一般化に悩まされている。
十分に訓練された入力特徴は、グラフトポロジーの学習を弱め、推論過程において十分に一般化されない。
本稿では,これらの問題に対処するためのCIFT法を提案する。
論文 参考訳（メタデータ） (2022-08-01T16:15:31Z) - 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) - Graph Backdoor [53.70971502299977]
GTAはグラフニューラルネットワーク(GNN)に対する最初のバックドア攻撃である。
GTAは、トポロジカル構造と記述的特徴の両方を含む特定の部分グラフとしてトリガーを定義する。
トランスダクティブ(ノード分類など)とインダクティブ(グラフ分類など)の両方のタスクに対してインスタンス化することができる。
論文 参考訳（メタデータ） (2020-06-21T19:45:30Z)
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。