图对抗防御研究进展

图神经网络（GNN）在多个领域的复杂任务中已经得到成功的应用，但研究表明其易受到对抗攻击而导致性能严重下降，这种脆弱性影响了包含节点分类、链路预测和社团探测在内的所有应用。图对抗攻击已经可以高效地实施，这带来了严重的安全隐患和隐私问题，图对抗防御致力于提高GNN的鲁棒性和泛化能力以抵御对抗攻击。综述了图对抗防御算法研究进展，首先，介绍了图对抗防御的背景和相关概念，并对图对抗防御研究发展脉络进行梳理和分析。然后，根据防御算法的不同防御策略将算法分为四类，包括攻击检测、对抗训练、可认证鲁棒性以及免疫防御，对每类防御算法原理进行分析总结。在此基础上，分析了每种防御算法的原理和实现，并从防御策略、目标任务、优缺点和实验数据等方面对典型算法进行全面的比较。最后，通过对现有图对抗防御算法全面、系统的分析，对防御算法当前存在的问题及未来发展方向进行了总结和探讨，为图对抗防御进一步的发展提供帮助。

http://fcst.ceaj.org/CN/abstract/abstract2978.shtml