作者:
基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
图卷积网络(GCN)是处理图结构化数据的一种十分重要的方法,最新的研究表明,GCN极易受到对抗性攻击,即通过修改少量数据,就能显著影响GCN的结果.在对GCN的所有对抗攻击中,有一种特殊的对抗攻击方法——通用对抗攻击.这种攻击能产生应用于所有样本的扰动,并使GCN得到错误的结果.本文主要研究针对性通用对抗攻击,通过在现有算法TUA的基础上引入梯度选择的方法,提出了GTUA.在3个流行数据集上的实验结果表明:仅仅在少数类别上,本文方法与现有方法结果相同,在多数类别上,本文方法均优于现有方法,并且平均攻击成功率(ASR)得到1.7%的提升.
推荐文章
基于空间注意力与图卷积的多标签图像分类算法
图卷积网络
多标签图像分类
空间注意力
特征融合
基于条件梯度Wasserstein生成对抗网络的图像识别
生成式对抗网络
条件模型
Wesserstein距离
梯度惩罚
全局和局部一致性
图像识别
基于选择性搜索和卷积神经网络的人脸检测
卷积神经网络
选择性搜索
人脸检测
Gabor核
基于Alexnet卷积神经网络的加密芯片模板攻击新方法
加密芯片
卷积神经网络
模板分析
高级加密标准
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于梯度选择的图卷积网络针对性通用对抗攻击
来源期刊 计算机系统应用 学科
关键词 梯度选择 图神经网络 图卷积网络 通用对抗攻击 针对性攻击
年,卷(期) 2022,(1) 所属期刊栏目 软件技术·算法|Software Technique·Algorithm
研究方向 页码范围 212-217
页数 6页 分类号
字数 语种 中文
DOI 10.15888/j.cnki.csa.008269
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (0)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2022(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
梯度选择
图神经网络
图卷积网络
通用对抗攻击
针对性攻击
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机系统应用
月刊
1003-3254
11-2854/TP
大16开
北京中关村南四街4号
82-558
1991
chi
出版文献量(篇)
10349
总下载数(次)
20
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导