陈晋音，张敦杰，黄国瀚，林翔，鲍亮

面向图神经网络的对抗攻击与防御综述

陈晋音1,2，张敦杰2，黄国瀚2，林翔2，鲍亮3

（1.浙江工业大学网络空间安全研究院，浙江 杭州 310023；2. 浙江工业大学信息工程学院，浙江 杭州 310023；3. 信息网络安全公安部重点实验室，上海 200000）

面向已有的图神经网络的攻击与防御方法，较全面地综述了图神经网络对抗攻防技术与鲁棒性分析。首先，综述了图神经网络在不同任务下的对抗攻击与基于不同策略的防御方法，并全面介绍了鲁棒性分析技术；随后，介绍了常用的基准数据集与评价指标；最后，提出了未来可能的研究方向和发展趋势。

图神经网络；对抗攻击；防御算法；鲁棒性分析

1 引言

随着人工智能技术的研究与发展，深度学习在自然语言处理[1-3]、图像识别[4]、信号处理[5]、物体识别[6]等领域中表现不俗，卷积神经网络就是其中的典型代表之一。图数据由于其强大的表达能力，在现实生活中有着广泛的应用[7]。但是基于图结构不具有平移不变性，每一个节点周围结构可能大不相同，这使传统的深度学习模型难以发挥作用。针对具有不规则的空间结构的图数据，研究人员[8-11]尝试将神经网络推广用以处理任意结构的图，图神经网络[12-16]应运而生。

图神经网络可以巧妙地从图数据中提取特征，而这些被提取出来的特征可以完成许多图数据分析任务，如节点分类[17-18]、链路预测[19-20]、社区发现[21-22]和图分类[23]等。这些图数据分析任务又被广泛应用于社交网络[24]、推荐系统[25-26]、电子商务网络[27]等实际场景。……