研究人员开发了新的方法来测试关系深度学习（RDL）管道的对抗鲁棒性。RDL管道常用于关系数据库上的机器学习。这些管道将数据库编码为图，其中节点代表元组，边代表主键到外键的依赖关系，然后训练图神经网络。该研究关注的是一个白盒攻击者，他可以在遵守模式完整性约束的前提下，重构数据库中的外键引用。研究在RelBench rel-f1基准上评估了包括梯度引导变体在内的七种攻击启发式方法，结果表明，对于回归任务，基于梯度的攻击比分类任务更有效。 AI
影响 为评估数据库机器学习中使用的图神经网络的安全性和鲁棒性引入了新的攻击向量。
排序理由 学术论文，详细介绍了一种评估特定类型机器学习管道对抗攻击的新方法论。[lever_c_demoted from research: ic=1 ai=1.0]
在 Hugging Face Daily Papers 阅读 →
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
