HeteroHBA：异构图上的后门攻击

Research Paper#Graph Neural Networks, Security, Backdoor Attacks🔬 Research|分析: 2026年1月3日 06:28•
发布: 2025年12月31日 06:38
•
1分で読める
•ArXiv

分析

本文探讨了异构图神经网络（HGNNs）对后门攻击的脆弱性。它提出了一个新颖的生成框架HeteroHBA，用于将后门注入到HGNNs中，重点关注隐蔽性和有效性。这项研究意义重大，因为它突出了后门攻击在异构图学习中的实际风险，而异构图学习在现实世界中的应用越来越多。所提出的方法在现有防御措施上的表现突显了在该领域加强安全措施的必要性。
引用 / 来源
查看原文
"HeteroHBA consistently achieves higher attack success than prior backdoor baselines with comparable or smaller impact on clean accuracy."
A
ArXiv2025年12月31日 06:38
* 根据版权法第32条进行合法引用。
较旧

LWiAI Podcast #222 - Sora 2, Sonnet 4.5, Vibes, Thinking Machines

较新

Last Week in AI #323 - Sonnet 4.5, Sora 2, Vibes, SB 53

相关分析

Research Paper

SpaceTimePilot：时空控制的生成视频渲染

2026年1月3日 06:10

Research Paper

量子混沌哈密顿量演化下的随机性生成

2026年1月3日 06:10

Research Paper

GaMO：几何感知扩散用于稀疏视角3D重建

2026年1月3日 06:32

来源: ArXiv