本論文では、グラフニューラルネットワーク（GNN）のロバスト性を検証するための新しい手法を提案しています。特に、敵対的攻撃に対する脆弱性の検出を重視しています。従来の技術は主に画像分類に向けて開発されてきましたが、グラフ構造の変更が攻撃モデルにおいて重要であることから、著者らは効果的な部分的ソルバーを使用してポリノミアル時間内での解決を試みています。実験として、さまざまなGNNのバリエーションとデータセットを用いてその手法を評価し、従来技術に比べ改善が可能であることを示しました。
arXiv cs.LG
Robustness Verification of Graph Neural Networks Via Lightweight Satisfiability Testing
http://arxiv.org/abs/2510.18591v1
本論文では、グラフニューラルネットワーク（GNN）のロバスト性を検証するための新しい手法を提案しています。特に、敵対的攻撃に対する脆弱性の検出を重視しています。従来の技術は主に画像分類に向けて開発されてきましたが、グラフ構造の変更が攻撃モデルにおいて重要であることから、著者らは効果的な部分的ソルバーを使用してポリノミアル時間内での解決を試みています。実験として、さまざまなGNNのバリエーションとデータセットを用いてその手法を評価し、従来技術に比べ改善が可能であることを示しました。