典型文献
基于非鲁棒特征的图卷积神经网络对抗训练方法
文献摘要：
图卷积神经网络可以通过图卷积提取图数据的有效信息,但容易受到对抗攻击的影响导致模型性能下降.对抗训练能够用于提升神经网络鲁棒性,但由于图的结构及节点特征通常是离散的,无法直接基于梯度构造对抗扰动,而在模型的嵌入空间中提取图数据的特征作为对抗训练的样本,能够降低构造复杂度.借鉴集成学习思想,提出一种基于非鲁棒特征的图卷积神经网络对抗训练方法VDERG,分别针对拓扑结构和节点属性两类特征,构建两个图卷积神经网络子模型,通过嵌入空间提取非鲁棒特征,并基于非鲁棒特征完成对抗训练,最后集成两个子模型输出的嵌入向量作为模型节点表示.实验结果表明,提出的对抗训练方法在干净数据上的准确率平均提升了 0.8％,在对抗攻击下最多提升了 6.91％的准确率.
文献关键词：
图卷积神经网络;集成学习;非鲁棒特征;对抗训练
中图分类号：
作者姓名：
承琪;朱洪亮;辛阳
作者机构：
北京邮电大学网络空间安全学院,北京100876
文献出处：
引用格式：
[1]承琪;朱洪亮;辛阳-.基于非鲁棒特征的图卷积神经网络对抗训练方法)[J].计算机应用研究,2022(08):2278-2283
A类：
非鲁棒特征,VDERG
B类：
图卷积神经网络,网络对抗,对抗训练,训练方法,图数据,有效信息,对抗攻击,响导,模型性能,性能下降,够用,网络鲁棒性,节点特征,对抗扰动,构造复杂,集成学习,学习思想,别针,拓扑结构,节点属性,络子,子模型,模型输出,嵌入向量,节点表示,干净,净数
AB值：
0.268574
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
