Perseus: Enhancing the Robustness of Graph Neural Networks by Leveraging Common Data Patterns and Curriculum Learning

💡 原文英文,约100词,阅读约需1分钟。
📝

内容提要

本研究提出了Perseus,一种通过课程学习增强图神经网络(GNN)鲁棒性的方法,旨在提高模型对抗攻击的抵御能力。

🎯

关键要点

  • 本研究提出了Perseus,一种通过课程学习增强图神经网络的鲁棒性的方法。
  • Perseus旨在提高模型对抗攻击的抵御能力。
  • 现有的防御方法多依赖于图的稀疏性和同质性假设。
  • Perseus通过调整学习顺序,更好地学习图的全结构,从而显著提高模型的鲁棒性。
➡️

继续阅读