PEANUT：固有値整合性による摂動で、トポロジ駆動型メッセージパッシング下のGNNを攻撃する
arXiv cs.LG / 2026/3/30
📰 ニュースSignals & Early TrendsIdeas & Deep AnalysisModels & Research
要点
- 本論文は、隣接行列やラプラシアンなど明示的なトポロジ表現に依存するGNNは、グラフ構造への小さな摂動に対して脆弱であり、配備（デプロイ）環境においてモデル出力を大きく変え得ると主張している。
- 提案手法PEANUTは、グラデーションを用いないシンプルな、制限付きブラックボックス回避攻撃であり、仮想ノードを注入して、GNNのトポロジ駆動型メッセージパッシング機構と固有値整合性を悪用する。
- PEANUTは、推論時に動作すること、長い反復的最適化やパラメータ学習を必要としないこと、さらに学習済みのサロゲートモデルを要求しないことから、実際の攻撃者にとって現実的な設計になっている。
- この攻撃は、注入する仮想ノードにノード特徴を必要としない（特徴がゼロでも機能する）ため、接続性／構造だけでGNNの性能を低下させるのに十分であり得ることが示されている。
- 3つのグラフ課題にまたがり、複数の実世界データセットでの実験により、PEANUTはその単純さにもかかわらず有効性があると報告されている。
