热点事件历史事件
研究提出图神经网络对抗攻防分离原理
1 篇报道1 个报道来源4 天前更新
先了解这件事
AI 综述
2026年10月30日，arXiv cs.LG发布的一项针对图神经网络（GNN）的研究提出了特征对抗攻击与防御的分离原理，证明最优特征扰动可解耦为仅依赖图结构和仅依赖权重的两项。基于该原理开发的无梯度攻击方法 SepAttack，相比 Nettack 与 IG-Attack 在目标设定下实现了最高约 70 倍的速度提升，并具有极强的跨架构迁移性。此外，该研究所衍生出的对抗训练方法 SepAT 也在二元特征基准上有效提升了模型的鲁棒性。
AI 根据报道生成 · 3 天前更新
最新进展10月30日 12:00
研究提出GNN对抗攻防分离原理，开发出提速最高约70倍的SepAttack及防御方法SepAT。报道时间线
沿着报道，了解事件的不同侧面。
10月30日
- arXiv cs.LG图神经网络对抗攻击与防御的分离原理
针对图神经网络（GNN）的研究提出了特征对抗攻击与防御的分离原理，证明最优特征扰动可解耦为仅依赖图结构和仅依赖权重的两项。基于此开发的无梯度攻击方法 SepAttack 相比 Nettack 与 IG-Attack 在目标设定下实现最高约 70x 速度提升，且跨架构迁移性极强。衍生出的对抗训练方法 SepAT 也在二元特征基准上提升了鲁棒性。
本事件热度走势
当前热度 3·可比范围峰值 7（10月31日 02:00）·近 24 小时可比范围变化 -49%
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。