近期,商学院随培培老师作为第一作者的论文《CG-MIA: A Causal Generalization framework for cross-domain graph Membership Inference Attack》在国际期刊《Knowledge-Based Systems》发表。《Knowledge-Based Systems》是国际知识工程与智能系统领域的重要学术期刊,属于JCR SCI一区期刊,中国科学院一区Top期刊,近五年影响因子为7.6,致力于报道知识驱动系统、机器学习、图智能计算及其安全隐私等方向的前沿理论与应用成果。

论文简介
图神经网络在推荐、分子发现、交通、金融和医疗等领域应用很广,但也带来成员推理攻击的隐私风险。现有攻击大多假设可以获取与目标数据同分布的影子数据,现实中很难做到,跨域时性能往往明显下降。论文认为,根源在于攻击者容易学到环境特有的假相关,比如把“预测置信度高”直接当成成员信号,连接密集的枢纽节点就常被误判。为此,作者提出黑盒跨域攻击框架 CG-MIA,通过拓扑增强构造多样影子环境,让攻击者学习不变的成员判定机制;通过结构熵正则化校准预测置信度,区分结构确定性和真实成员信号。多个真实数据集实验显示,CG-MIA 在多数跨域设定下优于现有基线。

作者简介
随培培,北京航空航天大学计算机软件与理论专业博士,讲师、硕士生导师,主持山东省自然科学基金项目等多项课题,在Knowledge-Based Systems、Neurocomputing、IEEE Access、The Journal of Grid Computing、FCS等国际期刊以及UIC、HPCC等国际会议发表学术论文十余篇,主要研究方向为图学习与隐私保护。