本研究提出DG-Mamba框架，旨在解决动态图神经网络在结构不完整性、噪声和冗余性方面的鲁棒性不足问题。通过核化动态消息传递算子，DG-Mamba在保持高效性的同时提升了动态结构学习能力，实验结果表明其在对抗性攻击下的鲁棒性和效率优于现有方法。