针对垂直联邦图神经网络学习的后门攻击
原文中文,约300字,阅读约需1分钟。发表于: 。本研究解决了垂直联邦图神经网络(VFGNN)在对后门攻击的防御不足这一问题。提出的BVG方法是首个针对VFGNN的后门攻击方式,无需访问或修改标签,仅需四个目标类节点即可有效实施攻击。实验表明BVG在不同数据集和GNN模型上具有较高的攻击成功率,同时对主要任务准确度的影响最小,强调了对抗复杂后门攻击的防御机制的必要性。
本研究提出BVG方法,解决垂直联邦图神经网络(VFGNN)后门攻击防御不足的问题。BVG无需修改标签,仅用四个目标类节点即可有效攻击。实验表明,BVG在不同数据集和GNN模型上成功率高,对任务准确度影响小,强调了加强防御的重要性。