图神经网络的简单而又相对有效的防御方法
原文中文，约400字，阅读约需1分钟。发表于：。图神经网络（GNN）是处理图结构数据的主要方法，但存在对小的对抗性扰动脆弱性的问题。本文介绍了一种新的防御方法 NoisyGNNs，它通过在模型架构中引入噪声来提高 GNN 的鲁棒性。通过理论分析和实证评估，揭示了噪声注入和 GNN 鲁棒性增强之间的关联，并展示了 NoisyGNN 在节点分类任务上的卓越性能。这种方法是模型无关的，可与不同的 GNN...
本文介绍了一种新的防御方法NoisyGNNs，通过在模型架构中引入噪声来提高GNN的鲁棒性。NoisyGNN在节点分类任务上展示了卓越性能，可与不同的GNN架构集成。与现有的防御技术结合使用可以进一步提高对抗性防御效果。
