論文の概要: Trojaning the Alignment: Stealthy Backdoor Attacks against Graph Foundation Models

• arxiv url: http://arxiv.org/abs/2608.20991v2
• Date: Wed, 26 Aug 2026 13:00:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-27 14:15:14.861048
• Title: Trojaning the Alignment: Stealthy Backdoor Attacks against Graph Foundation Models
• Title（参考訳）: トロヤニング・ザ・アライメント:グラフ基盤モデルに対する厳格なバックドア攻撃
• Abstract要約: Graph Foundation Models (GFMs) on text-attributed graphs (TAGs) は、グラフ表現を言語意味論と整合させ、転送可能なグラフ学習をサポートする。 既存のバックドア攻撃は主にグラフ側またはテキスト側をターゲットにし、2つのモードを独立して扱う。 TAG 上の GFM のグラフ言語アライメントインタフェース用に設計されたステルストロイアタックフレームワーク STAG を提案する。
• 参考スコア（独自算出の注目度）: 37.555385056870534
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Graph Foundation Models (GFMs) on text-attributed graphs (TAGs) align graph representations with language semantics to support transferable graph learning. Despite these advantages, the backdoor vulnerability of GFMs on TAGs remains insufficiently understood, especially under graph-language alignment, where graph and text representations are trained to constrain each other in a shared semantic space. Existing backdoor attacks mainly target either the graph side or the text side, treating the two modalities independently. This makes direct adaptation ineffective: graph-only triggers can be constrained by clean text semantics, while text-only triggers alter the language view but do not directly shift the graph representation being aligned and scored. TAGs also impose a stealth challenge because triggers are exposed as both node text and local graph structure, making incoherent trigger attributes or anomalous subgraphs easy to inspect or filter. In this paper, we propose STAG, a stealthy trojan attack framework designed for the graph-language alignment interface of GFMs on TAGs. STAG coordinates a graph-trigger generator with a text-side soft prompt so that trigger-attached graph representations and triggered text representations move toward the same target-class text region. To address TAG-specific stealthiness, STAG realizes trigger nodes as readable text through candidate retrieval and regularizes the trigger-attached subgraph so that its local structure remains close to the original subgraph. Extensive experiments on multiple TAG datasets and representative GFMs demonstrate the effectiveness and stealthiness of STAG. Our code is available at https://github.com/ventr1c/STAG.
• Abstract（参考訳）: Graph Foundation Models (GFMs) on text-attributed graphs (TAGs) は、グラフ表現を言語意味論と整合させ、転送可能なグラフ学習をサポートする。 これらの利点にもかかわらず、特にグラフ言語アライメントの下では、TAGのGFMのバックドア脆弱性は十分に理解されておらず、グラフとテキストの表現は、共有セマンティック空間において互いに拘束するように訓練されている。 既存のバックドア攻撃は主にグラフ側またはテキスト側をターゲットにし、2つのモードを独立して扱う。 グラフのみのトリガーはクリーンテキストセマンティクスによって制約されるが、テキストのみのトリガーは言語ビューを変更するが、アライメントされたグラフ表現を直接シフトしない。 TAGはまた、トリガをノードテキストとローカルグラフ構造の両方として公開することにより、不整合トリガ属性や異常なサブグラフの検査やフィルタリングが容易になるため、ステルスの課題も課している。 本稿では,TAG 上の GFM のグラフ言語アライメントインタフェース用に設計されたステルストロイアタックフレームワーク STAG を提案する。 STAGは、テキストサイドのソフトプロンプトとグラフトリガージェネレータをコーディネートすることで、トリガーアタッチされたグラフ表現とトリガされたテキスト表現が同じターゲットクラスのテキスト領域に移動する。 TAG固有のステルスネスに対処するため、STAGは、候補検索を通じてトリガーノードを可読テキストとして認識し、トリガー対応のサブグラフを正規化し、その局所構造が元のサブグラフに近くなるようにした。 複数のTAGデータセットと代表的なGAMに関する大規模な実験は、STAGの有効性とステルス性を示している。 私たちのコードはhttps://github.com/ventr1c/STAG.comで公開されています。

関連論文リスト

• TAG-DLM: Diffusion Language Models for Text-Attributed Graph Learning [44.15996692667212]
  テキスト分散グラフ(TAG)は、テキストとグラフトポロジを共同で推論するモデルを必要とする。 マスク付き拡散言語モデル内でテキスト推論とグラフメッセージパッシングを統一する手法を提案する。 実験により、3つのTAGベンチマークにおいて、グラフニューラルネットワーク、グラフトランスフォーマー、LLMベースのベースラインよりも優れた結果が得られた。
  論文  参考訳（メタデータ） (2026-06-30T05:56:18Z)
• Graph-Aware Text-Only Backdoor Poisoning for Text-Attributed Graphs [33.727843168432024]
  本稿では,攻撃者がノードテキストのみを編集し,グラフ構造を変更しない現実的な環境でのリスクについて検討する。 テキスト分散グラフに対するテキストのみのバックドアアタックであるTAGBDを提案する。 3つのベンチマークデータセットの実験では、攻撃は極めて効果的であり、異なるグラフモデル間で転送され、共通の防御下では強いことが示されている。
  論文  参考訳（メタデータ） (2026-03-20T09:13:42Z)
• Semi-supervised Instruction Tuning for Large Language Models on Text-Attributed Graphs [62.544129365882014]
  本稿では,SIT-Graph というグラフ学習用セミ教師付きインストラクションチューニングパイプラインを提案する。 SIT-Graphはモデルに依存しず、LSMを予測子として利用するグラフ命令チューニングメソッドにシームレスに統合することができる。 SIT-Graphは、最先端グラフチューニング手法に組み込むと、テキスト分散グラフベンチマークの性能を大幅に向上することを示した。
  論文  参考訳（メタデータ） (2026-01-19T08:10:53Z)
• Align-GRAG: Reasoning-Guided Dual Alignment for Graph Retrieval-Augmented Generation [79.75818239774952]
  大きな言語モデル(LLM)は目覚ましい能力を示しているが、幻覚や時代遅れの情報といった問題に苦戦している。 Retrieval-augmented Generation (RAG) は、情報検索システム(IR)を用いて、外部知識のLLM出力を基底にすることで、これらの問題に対処する。 本稿では、検索後句における新しい推論誘導二重アライメントフレームワークであるAlign-GRAGを提案する。
  論文  参考訳（メタデータ） (2025-05-22T05:15:27Z)
• LLM as GNN: Graph Vocabulary Learning for Text-Attributed Graph Foundation Models [87.68057302738457]
  Text-Attributed Graphs (TAG) は、現実のシナリオにおいてユビキタスである。 大規模言語モデル(LLMs)とグラフニューラルネットワーク(GNNs)をTAGsに統合する努力にもかかわらず、既存のアプローチは分離されたアーキテクチャに悩まされている。 本稿では,グラフ語彙学習に基づくTAGのための汎用GFMであるPromptGFMを提案する。
  論文  参考訳（メタデータ） (2025-03-05T09:45:22Z)
• GAugLLM: Improving Graph Contrastive Learning for Text-Attributed Graphs with Large Language Models [33.3678293782131]
  本研究は,テキスト分散グラフ(TAG)の自己教師付きグラフ学習に関する研究である。 言語指導によるビュージェネレーションの改善を目指しています。 これは、リッチなセマンティック情報を持つグラフ構造を補完する、実際のアプリケーションにおけるテキスト属性の出現によって引き起こされる。
  論文  参考訳（メタデータ） (2024-06-17T17:49:19Z)
• TAGA: Text-Attributed Graph Self-Supervised Learning by Synergizing Graph and Text Mutual Transformations [15.873944819608434]
  Text-Attributed Graphs (TAG)は、自然言語記述によるグラフ構造を強化する。 本稿では,TAGの構造的・意味的次元を統合した,新たな自己教師型学習フレームワークであるText-And-Graph Multi-View Alignment(TAGA)を紹介する。 本フレームワークは,8つの実世界のデータセットを対象としたゼロショットおよび少数ショットシナリオにおいて,強力なパフォーマンスを示す。
  論文  参考訳（メタデータ） (2024-05-27T03:40:16Z)
• Learning Multiplex Representations on Text-Attributed Graphs with One Language Model Encoder [55.24276913049635]
  テキスト分散グラフ上での多重表現学習のための新しいフレームワークMETAGを提案する。 既存の手法とは対照的に、MeTAGは1つのテキストエンコーダを使用して関係性間の共有知識をモデル化する。 学術分野と電子商取引分野の5つのグラフにおいて,9つの下流タスクについて実験を行った。
  論文  参考訳（メタデータ） (2023-10-10T14:59:22Z)
• FACTUAL: A Benchmark for Faithful and Consistent Textual Scene Graph Parsing [66.70054075041487]
  画像キャプションをシーングラフに変換する既存のシーングラフは、しばしば2種類のエラーに悩まされる。 まず、生成されたシーングラフはキャプションや対応する画像の真の意味を捉えず、忠実さの欠如をもたらす。 第二に、生成されたシーングラフは一貫性が高く、同じセマンティクスは異なるアノテーションで表される。
  論文  参考訳（メタデータ） (2023-05-27T15:38:31Z)

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。