基于图神经网络模型校准的成员推理攻击

来源：电子与信息学报杂志2025年第3期北京时间：

作者：谢丽霞, 史镜琛, 杨宏宇, 胡泽, 成翔

单位：1.中国民航大学计算机科学与技术学院 天津 3003002.中国民航大学安全科学与工程学院 天津 3003003.扬州大学信息工程学院 扬州 225127

摘要：针对图神经网络(GNN)模型在其预测中常处于欠自信状态，导致该状态下实施成员推理攻击难度大且攻击漏报率高的问题，该文提出一种基于GNN模型校准的成员推理攻击方法。首先，设计一种基于因果推断的GNN模型校准方法，通过基于注意力机制的因果图提取、因果图与非因果图解耦、后门路径调整策略和因果关联图生成过程，构建用于训练GNN模型的因果关联图。其次，使用与目标因果关联图在相同数据分布下的影子因果关联图构建影子GNN模型，模拟目标GNN模型的预测行为。最后，使用影子GNN模型的后验概率构建攻击数据集以训练攻击模型，根据目标GNN模型对目标节点的后验概率输出推断其是否属于目标GNN模型的训练数据。在4个数据集上的实验结果表明，该文方法在2种攻击模式下面对不同架构的GNN模型进行攻击时，攻击准确率最高为92.6%，性能指标优于基线攻击方法，可有效地实施成员推理攻击。

关键词：图神经网络, 成员推理攻击, 模型校准, 因果推断, 隐私风险

基金资助：国家自然科学基金民航联合研究基金重点项目(U2433205)，国家自然科学基金(62201576, U1833107)，江苏省基础研究计划自然科学基金青年基金(BK20230558)