热点事件持续更新
研究提出图神经网络对抗攻防分离原则
1 篇报道1 个报道来源7 小时前更新
先了解这件事
AI 综述
2026年10月30日，相关研究提出了图神经网络（GNN）特征攻击的分离原理。该理论证明，最优特征扰动可解耦为仅依赖图结构与仅依赖模型权重的两个分量。基于该原理开发的SepAttack攻击方法无需进行梯度计算，在目标攻击场景下相较于Nettack和IG-Attack实现了最高约70倍的速度提升，且在跨架构迁移中表现极佳。此外，基于该原理衍生的对抗训练方法SepAT，也提升了模型在二值特征基准上的鲁棒性。
AI 根据报道生成 · 4 小时前更新
最新进展10月30日 12:00
研究人员提出GNN对抗攻防分离原理，并推出免梯度攻击SepAttack与防御方法SepAT。报道时间线
沿着报道，了解事件的不同侧面。
10月30日
- arXiv 机器学习图神经网络对抗攻击与防御的分离原理
研究人员提出图神经网络（GNN）特征攻击的分离原理，证明最优特征扰动可解耦为仅依赖图结构与仅依赖模型权重的两个分量。基于该原理的 SepAttack 无需梯度计算，在目标攻击场景下较 Nettack 和 IG-Attack 实现最高约 70x 速度提升且跨架构迁移表现极佳。此外，衍生的对抗训练方法 SepAT 提升了二值特征基准上的模型鲁棒性。
本事件热度走势
当前热度 8·可比范围峰值 9（10月30日 15:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。