本文研究了敌对鲁棒性对图神经网络（GNNs）的影响，发现GNNs在理论和实际表达能力上与传统的消息传递神经网络（MPNNs）存在差距。研究还发现GNNs对计算特定子图模式的能力有限，并开发了对抗攻击子图计数方法。结果表明，即使是更强大的GNNs也无法适应图结构的轻微扰动，并且在超出分布的图上也无法计算子结构。