无需增强技术的聚类对比方法实现的无监督图谱污染

《Knowledge-Based Systems》：Unsupervised graph poisoning via augmentation-free cluster contrast

　　

彭星宇|徐克

摘要

在标签稀缺的场景中，无监督图攻击因其实用性而受到越来越多的关注。一种主要的攻击方式是基于梯度的策略，这些策略针对图对比学习目标进行攻击，以破坏表示学习。然而，对数据增强的依赖带来了一个根本性的挑战：增强的随机性和不可微性会导致有偏且方差较大的梯度，从而产生次优的扰动。为了克服这一限制，我们提出了一种新的无增强聚类对比攻击方法，该方法直接作用于原始图。通过利用聚类得到的伪标签，并同时最大化簇内不一致性和节点原型错位，我们的方法能够生成准确且有效的梯度信号。此外，我们引入了一种不相交的多边扰动策略，可以并行更新多个结构独立的边。这种方法减少了梯度干扰，确保了扰动的均匀性，显著提高了效率和效果。广泛的实验表明，我们的方法在各种图场景中始终优于现有的无监督攻击基线方法，同时表现出强大的可扩展性和可迁移性。