conditional smoothing

AuditVotes框架提升GNN鲁棒性和准确性

研究人员推出AuditVotes，一个旨在增强图神经网络（GNN）对抗自适应攻击鲁棒性的新框架。该框架整合了图重连增强和条件平滑技术，以提高准确性和认证鲁棒性，解决了随机平滑方法常见的权衡问题。AuditVotes已展示出显著的改进，例如在特定攻击条件下，Cora-ML数据集上的干净准确率和认证准确率大幅提升，同时运行时长与标准平滑技术相当。