圖神經(jīng)網(wǎng)絡(luò)（GNN）在多個(gè)領(lǐng)域的復(fù)雜任務(wù)中已經(jīng)得到成功的應(yīng)用，但研究表明其易受到對抗攻擊而導(dǎo)致性能嚴(yán)重下降，這種脆弱性影響了包含節(jié)點(diǎn)分類、鏈路預(yù)測和社團(tuán)探測在內(nèi)的所有應(yīng)用。圖對抗攻擊已經(jīng)可以高效地實(shí)施，這帶來了嚴(yán)重的安全隱患和隱私問題，圖對抗防御致力于提高GNN的魯棒性和泛化能力以抵御對抗攻擊。綜述了圖對抗防御算法研究進(jìn)展，首先，介紹了圖對抗防御的背景和相關(guān)概念，并對圖對抗防御研究發(fā)展脈絡(luò)進(jìn)行梳理和分析。然后，根據(jù)防御算法的不同防御策略將算法分為四類，包括攻擊檢測、對抗訓(xùn)練、可認(rèn)證魯棒性以及免疫防御，對每類防御算法原理進(jìn)行分析總結(jié)。在此基礎(chǔ)上，分析了每種防御算法的原理和實(shí)現(xiàn)，并從防御策略、目標(biāo)任務(wù)、優(yōu)缺點(diǎn)和實(shí)驗(yàn)數(shù)據(jù)等方面對典型算法進(jìn)行全面的比較。最后，通過對現(xiàn)有圖對抗防御算法全面、系統(tǒng)的分析，對防御算法當(dāng)前存在的問題及未來發(fā)展方向進(jìn)行了總結(jié)和探討，為圖對抗防御進(jìn)一步的發(fā)展提供幫助。

http://fcst.ceaj.org/CN/abstract/abstract2978.shtml