本研究提出了MonTi模型，针对基于图神经网络的欺诈检测器的攻击问题。通过设计多目标图注入攻击场景，MonTi显著提升了攻击效果，实验结果表明其在五个真实世界图上优于现有方法。

本研究提出了一种有效技术，通过分析编码电路输出，解决量子机器学习中的数据污染攻击问题。实验结果表明，该方法能显著降低模型性能，最大降幅达到92%。