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。
➡️