中山大学发布最新《图对抗机器学习》2020综述论文，带你全面了解40+种攻防对抗学习方法

【导读】对抗攻击防御研究用于提升深度学习的鲁棒性，是当下的关注焦点。最近，中山大学等学者发布了最新关于图对抗学习综述论文，19页pdf83篇文献，对在图形分析任务中对现有的攻防工作进行了梳理和统一，同时给出了适当的定义和分类。此外，我们强调了相关评价指标的重要性，并对其进行了全面的调查和总结。图数据的深度学习模型在节点分类、链路预测、图数据聚类等各种图数据分析任务中都取得了显著的效果。然而，它们暴露了对于设计良好输入的不确定性和不可靠性, 对抗样本。因此，在不同的图数据分析任务中，出现了各种攻击和防御的研究，从而导致了图数据对抗学习中的竞争。例如，攻击者有投毒和逃避攻击，防御组相应地有基于 ………………………………