图机器学习安全性：威胁与防护措施

文章预览

图机器学习（Graph ML）近年来取得了重大进展。由于其在处理图结构数据方面的显著能力，图机器学习技术已被广泛应用于各种领域，包括金融、医疗和交通等关键领域。尽管这些技术带来了社会效益，但近期研究突显了广泛使用图机器学习模型所带来的重大安全隐患。这些模型缺乏以安全为中心的设计，可能会产生不可靠的预测、表现出较差的泛化能力，并危及数据机密性。在金融欺诈检测等高风险场景中，这些漏洞可能会危及个人和社会。因此，优先开发安全导向的图机器学习模型以减轻这些风险并增强公众对其应用的信心是至关重要的。 在这篇综述论文中，我们探讨了增强图机器学习安全性的三个关键方面：可靠性、泛化能力和机密性 。我们将对每个方面的威胁进行分类和分析，分为模型威胁、数据威胁和攻击威胁三个类别。这一新颖的分 ………………………………