Kernkonzepte
現有的圖神經網路 (GNN) 解釋方法容易受到對抗性擾動的影響,即使是很小的、不影響模型預測的圖結構擾動,也可能導致解釋結果發生顯著變化,這引發了人們對其可靠性和實用性的擔憂。
Zusammenfassung
圖神經網路可解釋性遭受質疑:對抗性攻擊揭露其脆弱性
標題: Explainable Graph Neural Networks Under Fire
作者: Zhong Li, Simon Geisler, Yuhang Wang, Stephan Günnemann, Matthijs van Leeuwen
本研究旨在探討現有圖神經網路 (GNN) 解釋方法的穩健性,特別是在面對對抗性攻擊時的脆弱性。