面向图神经网络的后门攻击与防御方法综述

来源：计算机工程与应用杂志2026年第13期北京时间：

作者：刘文杰, 夏跃龙, 孙小棣, 王敏, 汪佩

单位：刘文杰，夏跃龙，孙小棣，王敏，汪佩；1.云南师范大学 信息学院，昆明 650500；2.云南省智慧教育重点实验室，昆明 650500；3.昆明理工大学 信息工程与自动化学院，昆明 650500；4.云南省人工智能重点实验室，昆明 650500；

摘要：随着图神经网络（graph neural network，GNN）在各类应用中的广泛部署，其安全性问题也日益受到关注。由于训练GNN模型过程复杂且通常依赖于大量高质量数据，为降低数据获取与模型训练成本，用户往往直接从第三方平台下载训练数据或预训练模型，这种做法为用户提供了方便，同时为攻击者植入后门提供了可乘之机，严重威胁模型的安全性。针对该问题，系统综述了GNN后门攻击与防御的研究进展。介绍了后门攻击的基本概念与研究背景；从攻击任务角度与应用场景出发对现有攻击方法进行分类与剖析，并依据防御阶段与适用场景对现有防御机制进行系统梳理；探讨了GNN后门在现实场景中的应用潜力与未来发展方向。

关键词：后门攻击,后门防御,图神经网络

基金资助：国家自然科学基金（62466061）；云南省基础研究项目（202401AU070052）；云南省教育厅科学研究基金（2025Y0314）。