文件名称：GCN_ADV_Train：图神经网络的对抗训练
文件大小：5.08MB
文件格式：ZIP
更新时间：2024-03-17 01:30:16
Python
基于优化的GNN攻防 在这项工作中，我们首先提出一种新颖的基于梯度的图神经网络（GNN）攻击方法，该方法可简化处理离散图数据的难度。 与当前对GNN的对抗性攻击相比，结果表明，仅对少量的边缘扰动（包括添加和删除）进行扰动，我们基于优化的攻击会导致分类性能显着下降。 此外，利用我们基于梯度的攻击，我们提出了针对GNN的第一个基于优化的对抗训练。 引用这项工作： 徐凯迪*，陈洪格*，刘思佳，陈品宇，翁翠薇，洪明义和林雪， ，IJCAI 2019。（*平等贡献） @inproceedings{xu2019topology, title={Topology Attack and Defense for Graph Neural Networks: An Optimization Perspective}, author={Xu, Kaidi and Chen, Hongge and
【文件预览】：
GCN_ADV_Train-master
----data()
--------ind.citeseer.x(30KB)
--------ind.citeseer.graph(61KB)
--------ind.pubmed.allx(7.23MB)
--------ind.cora.graph(58KB)
--------ind.pubmed.x(23KB)
--------ind.cora.y(4KB)
--------ind.citeseer.ally(54KB)
--------ind.pubmed.ty(12KB)
--------ind.citeseer.allx(581KB)
--------ind.pubmed.y(854B)
--------ind.cora.tx(145KB)
--------ind.cora.ty(27KB)
--------ind.pubmed.tx(396KB)
--------ind.citeseer.tx(254KB)
--------ind.pubmed.ally(219KB)
--------ind.pubmed.test.index(6KB)
--------ind.cora.test.index(5KB)
--------ind.cora.x(22KB)
--------ind.citeseer.ty(24KB)
--------ind.pubmed.graph(461KB)
--------ind.cora.ally(47KB)
--------ind.cora.allx(251KB)
--------ind.citeseer.test.index(5KB)
--------ind.citeseer.y(3KB)
----PGD_attack.py(4KB)
----__init__.py(70B)
----adv_train_pgd.py(8KB)
----layers.py(6KB)
----models.py(11KB)
----utils.py(7KB)
----README.md(3KB)
----metrics.py(691B)
----inits.py(791B)
----attack.py(8KB)
----train.py(5KB)