面向图神经网络谣言检测器的高效攻击模型

范业博,李逸成,刘勇,张薇

Efficient attack model targeting GNN-based rumor detectors

Yebo FAN,Yicheng LI,Yong LIU,Wei ZHANG

表 2 不同模型在2个数据集上针对6种图神经网络架构的攻击成功率比较

Tab.2 Comparison of attack success rate across different models, two datasets and six GNN architectures

新闻类型 模型 ASR(Politifact) ASR(Gossipcop) GCN GAT SAGE U-GCN U-GAT U-SAGE GCN GAT SAGE U-GCN U-GAT U-SAGE 假新闻 未受攻击 0.20 0.20 0.27 0.26 0.27 0.26 0.02 0.04 0.10 0.02 0.02 0.02 DICE 0.29 0.34 0.37 0.31 0.28 0.52 0.04 0.08 0.10 0.04 0.06 0.06 MARL 0.97 0.43 0.56 0.39 0.31 0.56 0.63 0.21 0.31 0.05 0.04 0.04 SGA 1.00 0.68 0.84 0.55 0.45 0.89 0.77 0.40 0.37 0.06 0.20 0.21 GAFSI 1.00 0.70 0.85 0.98 0.48 0.96 0.57 0.23 0.92 0.85 0.75 0.68 IBAttack 1.00 0.79 0.89 0.92 0.84 0.92 0.98 0.78 0.94 0.89 0.81 0.77 HMIA-LLM 0.88 0.80 0.77 0.81 0.64 0.79 0.80 0.86 0.90 0.70 0.88 0.77 EAT-GNN 0.96 0.92 0.90 0.90 0.95 0.91 0.95 0.92 0.94 0.93 0.89 0.84 真新闻 未受攻击 0.04 0.10 0.12 0.10 0.14 0.13 0.08 0.03 0.02 0.05 0.06 0.05 DICE 0.30 0.18 0.15 0.11 0.17 0.26 0.18 0.11 0.13 0.08 0.08 0.07 MARL 0.81 0.39 0.32 0.13 0.25 0.32 0.75 0.22 0.35 0.08 0.16 0.18 SGA 0.95 0.67 0.65 0.15 0.41 0.73 1.00 0.48 0.85 0.12 0.44 0.52 GAFSI 0.95 0.55 0.70 0.72 0.52 0.86 1.00 0.48 0.91 0.84 0.64 0.68 IBAttack 0.96 0.86 0.92 0.78 0.93 0.86 0.99 0.71 0.96 0.85 0.90 0.78 HMIA-LLM 0.67 0.91 0.88 0.80 0.88 0.90 0.93 0.75 0.89 0.64 0.74 0.78 EAT-GNN 0.98 0.98 0.96 0.83 0.97 0.95 0.95 0.79 0.98 0.91 0.93 0.82