Hypergraph Attacks via Injecting Homogeneous Nodes into Elite Hyperedges

要約

最近の研究では、ハイパーグラフ ニューラル ネットワーク (HGNN) が敵対的攻撃に対して脆弱であることが示されています。
既存のアプローチは、勾配によって誘導されるハイパーグラフ変更攻撃に焦点を当てており、ハイパーグラフ内のノード スパンニングやハイパーエッジのグループ ID を見落としており、その結果、攻撃パフォーマンスと検出可能な攻撃が制限されます。
この原稿では、これらの課題に取り組むための新しいフレームワーク、すなわち同種ノードをエリートハイパーエッジに注入することによるハイパーグラフ攻撃 (IE-攻撃) を紹介します。
最初に、ハイパーグラフ内のノード スパンを利用して、注入されるハイパーエッジを識別するエリート ハイパーエッジ サンプラーを提案します。
続いて、カーネル密度推定(KDE)を利用したノード生成器が、ハイパーエッジのグループアイデンティティを持つ同次ノードを生成することが提案されている。
最後に、同種ノードをエリート ハイパーエッジに挿入することにより、IE- Attack は攻撃パフォーマンスを向上させ、攻撃の感知不能性を高めます。
IE 攻撃の有効性と、それに対応する最先端の手法に対する優位性を検証するために、5 つの本物のデータセットに対して広範な実験が行われています。

要約(オリジナル)

Recent studies have shown that Hypergraph Neural Networks (HGNNs) are vulnerable to adversarial attacks. Existing approaches focus on hypergraph modification attacks guided by gradients, overlooking node spanning in the hypergraph and the group identity of hyperedges, thereby resulting in limited attack performance and detectable attacks. In this manuscript, we present a novel framework, i.e., Hypergraph Attacks via Injecting Homogeneous Nodes into Elite Hyperedges (IE-Attack), to tackle these challenges. Initially, utilizing the node spanning in the hypergraph, we propose the elite hyperedges sampler to identify hyperedges to be injected. Subsequently, a node generator utilizing Kernel Density Estimation (KDE) is proposed to generate the homogeneous node with the group identity of hyperedges. Finally, by injecting the homogeneous node into elite hyperedges, IE-Attack improves the attack performance and enhances the imperceptibility of attacks. Extensive experiments are conducted on five authentic datasets to validate the effectiveness of IE-Attack and the corresponding superiority to state-of-the-art methods.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google