論文の概要: Query-Side Attacks on GNN-Based KGQA: Tracing Failures from Entity Linking to Answer Generation

• arxiv url: http://arxiv.org/abs/2608.25922v1
• Date: Wed, 26 Aug 2026 15:34:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-27 14:15:15.887105
• Title: Query-Side Attacks on GNN-Based KGQA: Tracing Failures from Entity Linking to Answer Generation
• Title（参考訳）: GNNベースのKGQAにおけるクエリサイド攻撃:エンティティリンクから回答生成への障害追跡
• Abstract要約: GNNベースの知識グラフ質問回答(KGQA)パイプラインは、4つの独立したステージを通じてクエリを処理する。 標準評価では、ステージレベルの障害を単一エンドツーエンドのメトリクスに分割し、脆性の原因と適切な緩和目標の両方を隠蔽する。 本稿では,知識グラフに対して検証された2つの回答保存対向摂動を用いたステージアイソレーションプロトコルを提案する。
• 参考スコア（独自算出の注目度）: 1.4055000065255678
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: GNN-based Knowledge Graph Question Answering (KGQA) pipelines process queries through four discrete stages: entity linking, subgraph retrieval, GNN reasoning, and answer generation. Standard robustness evaluations conflate stage-level failures into a single end-to-end metric, obscuring both the source of brittleness and the appropriate mitigation target. We ask which stage fails, and why, when the pipeline is subjected to adversarial perturbations on the input question. We introduce a stage-isolation protocol with two answer-preserving adversarial perturbations verified against the knowledge graph: Compositional Restructuring (CR) and Relation Synonym Swap (RS) target distinct stages while leaving entity seeds intact. Evaluated across ComplexWebQuestions and WebQSP, the results run counter to prevailing assumptions: the GNN reasoning stage retains near-baseline accuracy when the subgraph is intact, while subgraph construction accounts for over 99\% of the end-to-end collapse under CR, occurring even when the gold answer is present in 74\% of retrieved subgraphs. This exposes a fundamental distinction between answer presence and answer reachability that end-to-end metrics cannot detect, and places the mitigation target firmly at the subgraph construction stage rather than the reasoning model. Perturbed datasets and evaluation infrastructure are released at https://anonymous.4open.science/r/atkgrag-E85C .
• Abstract（参考訳）: GNNベースの知識グラフ質問回答(KGQA)は、エンティティリンク、サブグラフ検索、GNN推論、回答生成という4つの独立したステージを通じてクエリを処理する。 標準ロバストネス評価は、ステージレベルの障害を単一エンドツーエンドのメトリクスに分割し、脆性の原因と適切な緩和目標の両方を隠蔽する。 我々は、どのステージが失敗するか、なぜパイプラインが入力された問題に対して逆の摂動を受けるのかを問う。 本稿では,知識グラフに対する2つの回答保存逆転摂動(CR)とRelation Synonym Swap(RS)を対象とするステージアイソレーションプロトコルを提案する。 GNN推論段階は、サブグラフが無傷であるときにほぼベースラインの精度を保ち、サブグラフの構築はCRの下でのエンドツーエンドの崩壊の99%以上を占め、検索されたサブグラフの74パーセントに金の答えが存在する場合でも発生する。 これは、エンドツーエンドのメトリクスが検出できない答えの存在と回答到達可能性の根本的な違いを明らかにし、緩和対象を推論モデルではなく、サブグラフ構築段階でしっかりと配置する。 パーター付きデータセットと評価インフラストラクチャはhttps://anonymous.4open.science/r/atkgrag-E85Cで公開されている。

関連論文リスト

• Automating Attack Graph Construction for Agentic Pentesting. Towards Neuro-Symbolic Vulnerability Hunting [0.0]
  スキャナ出力に接地した論理的アタックグラフは、明示的で監査可能なアタックパス推論を提供する。 MulVALのようなシンボリックフレームワークを現代のセキュリティやエージェントパイプラインに統合するには、スキャナのエビデンスを初期事実に翻訳する必要がある。 本稿では、この相互運用性問題に対処し、Webセキュリティケーススタディにおけるその実現可能性を示す半自動パイプラインを提案する。
  論文  参考訳（メタデータ） (2026-09-14T13:13:54Z)
• Beyond Homophily: Towards Generalized Graph Reconstruction Attack and Defense [80.28330585803133]
  グラフニューラルネットワーク(GNN)は、計算データに広くデプロイされているが、トレーニンググラフの隣接性に関する機密情報やプロプライエタリ情報を漏洩することができる。 本研究は、訓練されたGNNからトレーニング隣接性を再構築するモデル逆転の一形態であるグラフ再構成攻撃(GRA)について研究する。 本稿では, MC-GRA(+)を提案する。これは, GNNにより誘導される表現が対象モデルのそれと一致した代理隣接を最適化することにより, 隣接性を再構築する。 防衛面では, MC-GPB (+) を提案する。
  論文  参考訳（メタデータ） (2026-06-06T09:29:27Z)
• AstroRAG -- A Pagerank-Based Retrieval-Augmented Generation Pipeline for Question Answering in Astronomy [19.798184326652567]
  天文学における質問応答に適応したPageRankベースの検索拡張生成(RAG)パイプラインであるAstroRAGを提案する。 RAGは、外部証拠の回答を根拠にして、事実の誤りを軽減します。 RAG強化Mistralはtextbf79.49%の精度と textbf79.49%のF1スコアを達成し、RAG以外の性能をほぼ倍増させた。
  論文  参考訳（メタデータ） (2026-05-24T12:34:49Z)
• From Detection to Response: A Deep Learning and Retrieval-Augmented Generation Framework for Network Intrusion Mitigation [0.7136933021609079]
  本稿では,脅威検出と行動応答のギャップを埋める統一的なエンドツーエンドフレームワークを提案する。 まず、独立に訓練された3つのバイナリディープニューラルネットワーク(DNN)のアンサンブルで、ネットワークトラフィックフローをBenign, Denial of Service(DoS)またはDistributed Denial of Service(DDoS)に分類する。 第2に、Retrieval-Augmented Generation (RAG)パイプラインは、トップ5の異常な機能から説明対応プロンプトを構築する。
  論文  参考訳（メタデータ） (2026-05-18T07:17:55Z)
• When Reasoning Traces Become Performative: Step-Level Evidence that Chain-of-Thought Is an Imperfect Oversight Channel [5.106950500256654]
  CoT(Chain-of- Thought)トレースは、言語モデルの能力向上とモデルの振る舞いの監査にますます利用されている。 我々は、この仮定を、回答コミットプロキシを中心に構築されたステップレベルのDect-Classify-Compareフレームワークでテストする。 9つのモデルと7つの推論ベンチマーク、潜在コミットメント、明示的な回答到着は平均61.9%のステップで一致している。
  論文  参考訳（メタデータ） (2026-05-12T08:24:47Z)
• GESR: Graph-Based Edge Semantic Reconstruction for Stealthy Communication Detection with Benign-Only Training [9.096014691070193]
  本稿では,不審な通信や異常なホストを検出するためのグラフベースの新しいフレームワークであるGESRについて述べる。 エッジセマンティクスを、孤立した特徴ではなく、局所的な構造的コンテキストから完全に再構築する。 両方の評価されたベンチマークで、既存のメソッドを一貫して上回る。
  論文  参考訳（メタデータ） (2026-05-08T10:11:15Z)
• Breaking the Static Graph: Context-Aware Traversal for Robust Retrieval-Augmented Generation [12.71443292660797]
  堅牢なRAGのためのコンテキスト認識トラバーサルであるCatRAGを提案する。 CatRAGはHippoRAG 2アーキテクチャ上に構築され、静的なKGをクエリ適応ナビゲーション構造に変換する。 4つのマルチホップベンチマークの実験では、CatRAGはアートベースラインの状態を一貫して上回っている。
  論文  参考訳（メタデータ） (2026-02-02T11:13:38Z)
• Eigen-1: Adaptive Multi-Agent Refinement with Monitor-Based RAG for Scientific Reasoning [53.45095336430027]
  暗黙的な検索と構造化された協調を組み合わせた統合フレームワークを開発する。 Humanity's Last Exam (HLE) Bio/Chem Goldでは,48.3%の精度を実現している。 SuperGPQAとTRQAの結果はドメイン間の堅牢性を確認した。
  論文  参考訳（メタデータ） (2025-09-25T14:05:55Z)
• PipeNet: Question Answering with Semantic Pruning over Knowledge Graphs [56.5262495514563]
  本稿では,雑音の多い計算ノードに対して,グラウンドング・プルーニング・レゾニング・パイプラインを提案する。 また,グラフアテンションネットワーク(GAT)をベースとしたサブグラフデータに基づくモジュールを提案する。
  論文  参考訳（メタデータ） (2024-01-31T01:37:33Z)
• Constructing interval variables via faceted Rasch measurement and multitask deep learning: a hate speech application [63.10266319378212]
  本稿では,教師付き深層学習と多面的ラッシュアイテム応答理論(IRT)構築手法を組み合わせることで,連続区間スペクトル上の複素変数を測定する手法を提案する。 われわれは、YouTube、Twitter、Redditから5万件のソーシャルメディアコメントを収集し、1万1000人の米国拠点のAmazon Mechanical Turkの労働者によってラベル付けされたデータセット上で、この新しい手法を実証した。
  論文  参考訳（メタデータ） (2020-09-22T02:15:05Z)
• Alleviating the Inconsistency Problem of Applying Graph Neural Network to Fraud Detection [78.88163190021798]
  不整合問題に対処するために、新しいGNNフレームワークである$mathsfGraphConsis$を導入します。 4つのデータセットの実証分析は、不正検出タスクにおいて不整合の問題が不可欠であることを示唆している。 我々はまた、SOTAモデルを実装したGNNベースの不正検出ツールボックスもリリースした。
  論文  参考訳（メタデータ） (2020-05-01T21:43:58Z)
• Robust Question Answering Through Sub-part Alignment [53.94003466761305]
  我々はアライメント問題として質問応答をモデル化する。 私たちは、SQuAD v1.1でモデルをトレーニングし、いくつかの逆および外ドメインデータセットでそれをテストします。
  論文  参考訳（メタデータ） (2020-04-30T09:10:57Z)

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。