本稿では、グラフニューラルネットワーク(GNN)のデータポイズニングおよびバックドア攻撃に対する証明可能な堅牢性を達成する初のフレームワークを提案する。これは、GNNの学習ダイナミクスを捉えるニューラルタンジェントカーネル(NTK)と、ポイズニングを混合整数線形計画問題として再定式化する新しい手法に基づいている。