تأمين الشبكات العصبية البيانية: تحديد معززات التدريب الخلفية بناءً على الشرح

لقد اكتسبت الشبكات العصبية البيانية (GNNs) شعبية في العديد من المجالات، ومع ذلك فإنها عرضة لهجمات الخفاء التي يمكن أن تؤثر على أدائها وتطبيقها الأخلاقي. إن الكشف عن هذه الهجمات أمر بالغ الأهمية للحفاظ على موثوقية وأمان مهام تصنيف GNN، لكن تقنيات الكشف الفعالة تفتقر إلى ذلك. بعد تحقيق أولي، لاحظنا أنه بينما يمكن أن تقدم تفسيرات مستوى الرسوم البيانية رؤى محدودة، فإن فعاليتها في اكتشاف محفزات الخفاء غير متسقة وغير كاملة. لسد هذه الفجوة، نقوم باستخراج وتحويل المخرجات الثانوية لآليات شرح GNN، مع تصميم سبعة مقاييس جديدة تكشف بشكل أكثر فعالية عن هجمات الخفاء. بالإضافة إلى ذلك، نطور هجمة تكيفية لتقييم نهجنا بشكل دقيق. نقوم باختبار طريقتنا على عدة مجموعات بيانات مرجعية ونفحص فعاليتها ضد نماذج هجوم متنوعة. تظهر نتائجنا أن طريقتنا يمكن أن تحقق أداءً عاليًا في الكشف، مما يمثل تقدمًا كبيرًا في حماية الشبكات العصبية البيانية ضد هجمات الخفاء.