Questioning the Robustness of Explainability in Graph Neural Networks: How Should We Respond?

💡 原文英文,约100词,阅读约需1分钟。
📝

内容提要

本研究探讨了图神经网络(GNN)在对抗攻击下的可解释性与鲁棒性。评估了六种GNN架构在不同防御机制下的表现,结果显示防御方法和模型特征对可解释性有显著影响,为开发鲁棒且可解释的GNN提供了基础。

🏷️

标签

➡️

继续阅读