그래프 데이터에 대한 적대적 공격으로부터 그래프 신경망의 강건성을 향상시키기 위해 p-Laplacian 기반의 효율적인 프레임워크를 제안한다.
그래프 신경망의 성능은 노이즈와 중복된 그래프 데이터로 인해 제한되는데, 이를 해결하기 위해 적대적 에지 제거 기법 ADEdgeDrop을 제안한다. ADEdgeDrop은 선형 그래프를 활용하여 에지 제거 여부를 예측하고, 이를 통해 중요한 연결은 유지하면서 불필요한 연결은 제거할 수 있다.