English(EN) MUGEN: Generating Unlearnable Graph Examples for Multiple Learning Tasks

MUGEN框架为多种任务生成不可学习的图示例

作者 PulseAugur 编辑部 · [1 个来源] · 2026-09-02 04:00

研究人员开发了MUGEN，一个新颖的框架，旨在生成不可学习的图示例，以同时防御多种学习任务的滥用。与以往只关注单一任务的方法不同，MUGEN创建了一个单一的特征扰动发布版本，可以防御节点分类、图分类和链接预测。该框架采用任务对齐可分离性目标（TASO）来增强不可学习性，并采用类型自适应扰动（TAP）方法来根据不同数据类型定制扰动过程，在各种基准测试和对抗条件下均显示出有效性。 AI

影响这项研究为保护图数据免受各种下游任务的未经授权的表示学习提供了一种新方法。

排序理由该集群包含一篇学术论文，详细介绍了一个用于生成不可学习图示例的新框架。[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 →

本文如何被排名

Signal score: 30 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该集群包含一篇学术论文，详细介绍了一个用于生成不可学习图示例的新框架。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, safety; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Breaking (< 6h); Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.LG TIER_1 English(EN) · Ziyan Liu, Chengshuai Zhao, Huan Liu · 2026-09-02 04:00

MUGEN：为多种学习任务生成不可学图示例

arXiv:2609.00696v1 Announce Type: new Abstract: Graph data across diverse domains can expose valuable relational information to unauthorized representation learning, creating a pressing need for protection against such misuse. Unlearnable examples offer a data-level defense by pe…

本文如何被排名

报道来源 [1]

MUGEN：为多种学习任务生成不可学图示例

相关实体

相关话题