基于对比学习的图神经网络后门攻击防御方法

陈晋音; 熊海洋; 马浩男; 郑雅羽

doi:10.11959/j.issn.1000-436x.2023074

您当前的位置：

首页 >

文章列表页 >

基于对比学习的图神经网络后门攻击防御方法

学术论文 | 更新时间：2024-05-31

- 基于对比学习的图神经网络后门攻击防御方法
- CLB-Defense: based on contrastive learning defense for graph neural network against backdoor attack
- “在图神经网络领域，研究者提出了CLB-Defense方法，有效降低了75.66%的后门攻击成功率。”
- 通信学报 2023年44卷第4期页码：154-166
- 作者机构：
  
  1. 浙江工业大学网络空间安全研究院，浙江杭州 310023
  2. 浙江工业大学信息工程学院，浙江杭州 310023
- 作者简介：
  
  [ "陈晋音（1982- ），女，浙江象山人，博士，浙江工业大学教授、博士生导师，主要研究方向为人工智能安全、图数据挖掘和进化计算等" ]
  [ "熊海洋（1998- ），男，江西南昌人，浙江工业大学硕士生，主要研究方向为深度学习、人工智能安全和图数据挖掘" ]
  [ "马浩男（2000- ），男，浙江杭州人，浙江工业大学硕士生，主要研究方向为深度学习、人工智能安全和图数据挖掘" ]
  [ "郑雅羽（1978- ），男，浙江温州人，博士，浙江工业大学副教授、硕士生导师，主要研究方向为嵌入式软硬件应用开发、视频图像处理算法、服务器网络技术等" ]
- 基金信息：
  
  国家自然科学基金资助项目(62072406);浙江省自然科学基金资助项目(LDQ23F020001);信息系统安全国家科技重点实验室基金资助项目(61421110502);浙江省重点研发计划基金资助项目(2022C01018)
- DOI：10.11959/j.issn.1000-436x.2023074
  中图分类号： TN92
- 网络出版日期：2023-04，
  
  纸质出版日期：2023-04-25
- 稿件说明：
移动端阅览
陈晋音, 熊海洋, 马浩男, 等. 基于对比学习的图神经网络后门攻击防御方法[J]. 通信学报, 2023,44(4):154-166.

Jinyin CHEN, Haiyang XIONG, Haonan MA, et al. CLB-Defense: based on contrastive learning defense for graph neural network against backdoor attack[J]. Journal on communications, 2023, 44(4): 154-166.
陈晋音, 熊海洋, 马浩男, 等. 基于对比学习的图神经网络后门攻击防御方法[J]. 通信学报, 2023,44(4):154-166. DOI： 10.11959/j.issn.1000-436x.2023074.

Jinyin CHEN, Haiyang XIONG, Haonan MA, et al. CLB-Defense: based on contrastive learning defense for graph neural network against backdoor attack[J]. Journal on communications, 2023, 44(4): 154-166. DOI： 10.11959/j.issn.1000-436x.2023074.

浏览量

674

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

面向数据出域安全的鲁棒认证密钥协商协议

基于增强负例多粒度区分模型的视频动作识别研究

面向WSN异常节点检测的融合重构机制与对比学习方法

基于预训练与新型时序图神经网络的智能合约漏洞检测方法

基于知识增强对比学习的长尾用户序列推荐算法

基于对比学习的图神经网络后门攻击防御方法

CLB-Defense: based on contrastive learning defense for graph neural network against backdoor attack

DOI：10.11959/j.issn.1000-436x.2023074