扫码下载APP

您的位置

资讯详情

本人可编辑资讯

仅支持在APP编辑资讯扫描二维码即可下载APP

韩国大学最新研究:对抗敌对攻击的因果注意图卷积网络

论论资讯 | 2023-04-20

Neurocomputing

Explore content

About the journal

Publish with us

CAGCN: Causal attention graph convolutional network against adversarial attacks

Lee Y.; Han S.W.

Published:2023-06-14
DOI:10.1016/j.neucom.2023.03.048

研究背景

你是否曾经在社交网络上接触到广告账户或遭受过分布式拒绝服务(DDoS)攻击?这些攻击是网络中的入侵行为。最近,几项研究表明了图卷积网络(GCNs)的易受攻击性。换句话说,给定一个带有扰动的异常图形和一个正常图形,GCNs的性能会显著下降。为了解决这个问题,研究人员提出了一种因果关注图卷积网络(CAGCN)。

研究内容

CAGCN是一种因果图,其中给定的数据受到攻击的影响,并利用GCNs上的因果机制来消除偏差。具体来说,研究人员使用两种类型的注意力,节点注意力(NoA)和邻居注意力(NeA),并展示了模型的鲁棒性。当攻击变得更强时,模型的性能并没有显著下降。此外,为了展示因果机制对鲁棒学习的良好效果,研究人员将因果机制应用于之前的研究并进行了比较。

研究意义

该研究提出了一种新的神经网络模型,可以抵御网络攻击。这种模型使用因果关系来消除偏差,并使用注意力机制来提高鲁棒性。这项研究的创新之处在于,它提供了一种新的方法来保护网络免受攻击,并为未来的网络安全研究提供了新的思路。这项研究对于保护个人隐私和网络安全具有重要意义。

微信扫码即可查看