グラフニューラルネットワークモデルの盗用について

本稿では、グラフニューラルネットワーク（GNN）モデルの盗用手法に焦点を当てています。従来の手法は、対象モデルへの問い合わせが無制限であると仮定していますが、実際には問い合わせの数が制限されることが多いことに注目しています。本研究では、限られたインタラクションでGNNを抽出できる新手法を提案しています。まず、不正アクセス者が直接モデルに問い合わせを行うことなくモデルの骨格を取得し、その後、固定の問い合わせ制限を適切に利用して最も有用なデータを引き出します。実験は8つの実世界データセットで行われ、モデル盗用対策が講じられている状況下でも攻撃の有効性が示されました。この研究は、GNNモデルの盗用に対する強固な防御策の必要性を強調しています。