PulseAugur
中
实时 07:12:26

新型对抗性攻击针对传感器网络中的GNN异常检测

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了BETA，一种新颖的间接对抗性攻击方法，旨在破坏传感器网络中基于图神经网络（GNN）的异常检测系统。该攻击方法允许攻击者扰乱一组有限节点的读数，而不包括目标传感器，从而操纵异常检测结果。BETA利用图解释模型和基于中心性的剪枝策略来识别有影响力的节点进行扰动，在真实世界的数据集上，将现有GNN检测器的F1分数平均降低36.07%至50.45%，显示出显著的有效性。 AI

影响 这项研究突显了基于GNN的异常检测中的漏洞，可能导致传感器网络更强大的安全措施。

排序理由 该集群包含一篇详细介绍图神经网络攻击新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新型对抗性攻击针对传感器网络中的GNN异常检测

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Sanju Xaviar, Omid Ardakanian ·

    传感器网络中基于图的异常检测的预算间接对抗性攻击

    arXiv:2509.17987v2 Announce Type: replace Abstract: Graph Neural Networks (GNNs) have emerged as powerful models for anomaly detection in sensor networks, particularly when analyzing multivariate time series. In this work, we introduce BETA, a novel indirect evasion attack target…

相关实体

相关话题