圖神經(jīng)網(wǎng)絡（GNN）在多個領域的復雜任務中已經(jīng)得到成功的應用，但研究表明其易受到對抗攻擊而導致性能嚴重下降，這種脆弱性影響了包含節(jié)點分類、鏈路預測和社團探測在內的所有應用。圖對抗攻擊已經(jīng)可以高效地實施，這帶來了嚴重的安全隱患和隱私問題，圖對抗防御致力于提高GNN的魯棒性和泛化能力以抵御對抗攻擊。綜述了圖對抗防御算法研究進展，首先，介紹了圖對抗防御的背景和相關概念，并對圖對抗防御研究發(fā)展脈絡進行梳理和分析。然后，根據(jù)防御算法的不同防御策略將算法分為四類，包括攻擊檢測、對抗訓練、可認證魯棒性以及免疫防御，對每類防御算法原理進行分析總結。在此基礎上，分析了每種防御算法的原理和實現(xiàn)，并從防御策略、目標任務、優(yōu)缺點和實驗數(shù)據(jù)等方面對典型算法進行全面的比較。最后，通過對現(xiàn)有圖對抗防御算法全面、系統(tǒng)的分析，對防御算法當前存在的問題及未來發(fā)展方向進行了總結和探討，為圖對抗防御進一步的發(fā)展提供幫助。

http://fcst.ceaj.org/CN/abstract/abstract2978.shtml