改進的基于奇異值分解的圖卷積網(wǎng)絡(luò)防御方法

摘要： 圖神經(jīng)網(wǎng)絡(luò)（GNN）容易受到對抗性攻擊而導(dǎo)致性能下降，影響節(jié)點分類、鏈路預(yù)測和社區(qū)檢測等下游任務(wù)，因此GNN的防御方法具有重要研究價值。針對GNN在面對對抗性攻擊時魯棒性差的問題，以圖卷積網(wǎng)絡(luò)（GCN）為模型，提出一種改進的基于奇異值分解（SVD）的投毒攻擊防御方法 ISVDatt。在投毒攻擊場景下，該方法可對擾動圖進行凈化處理。GCN遭受投毒攻擊后，首先篩選并刪除特征差異較大...