ラベル・構造ポイズニングに対するグラフニューラルネットワークの認証

- グラフ構造データに対する poisoning（学習データへの敵対的改変）への certified robustness を扱う研究。 - 特に node-label poisoning と graph-structure poisoning の両方を対象とする。 - 画像分野の partitioning-and-aggregation 型 poisoning certificate をグラフに適用すると、ラベル・構造の sparsity のため分割が困難で失敗することを示す。 - これを解決する semi-supervised learning フレームワーク ST-GPA（deep Self-Training Graph Partition Aggregation）を提案。 - 各 graph partition に informative な pseudo-label と synthetic edge を付与して疎条件下での認証を可能にする。

- 従来の graph 向け robust ML は主に test-time attack への防御が進展しており、training data を操作する poisoning への certified robustness は未開拓だった。 - 画像データで最先端の poisoning certificate は partitioning-and-aggregation scheme に依拠するが、これを graph に直接用いると graph データセット固有の label/structure sparsity により効果的な graph-partitioning が困難で失敗することを示した。 - 提案法はその sparsity 問題に対処し、label poisoning と structure poisoning の双方で認証を可能にした点が新しい。 - architecture-agnostic で多数の partition にスケール可能と主張。

- 中核は deep Self-Training Graph Partition Aggregation（ST-GPA）と呼ぶ semi-supervised learning フレームワーク。 - graph を partition に分割し、各 partition を集約する partitioning-and-aggregation の枠組みを踏襲。 - 各 graph partition に informative な pseudo-label を付与（self-training）してラベル疎性を補う。 - 併せて synthetic edge を付加して構造疎性を補い、疎条件下でも効果的な certification を可能にする。 - architecture-agnostic な設計で、多数の partition へのスケールが可能とされる。

- 複数の benchmarks 上で評価を実施。 - label poisoning と structure poisoning の両方について robustness guarantees を一貫して大幅に改善することを示す。 - 同時に strong clean accuracy を維持することを報告。 - 具体的なデータセット名・指標・比較手法の詳細は要旨からは不明。

- 画像分野の partitioning-and-aggregation 型 certificate が graph では label/structure sparsity のため機能しないという限界を指摘。 - 疎条件下での poisoning に対する certifiably robust learning の有望な方向性を提示。 - pseudo-label や synthetic edge の付与が認証に与える影響の詳細、計算コスト、partition 数の上限などは要旨からは不明。 - 実験上の限界や失敗ケースの議論は要旨からは不明。

- 画像データ向けの partitioning-and-aggregation 型 poisoning certificate（要旨で比較対象として言及される state-of-the-art 手法）。 - graph 上の test-time attack に対する certified robustness の先行研究（要旨で進展が言及されている分野）。 - graph の semi-supervised learning における self-training / pseudo-labeling 関連手法。 - graph partition に基づく certified robustness の一般枠組み（partitioning-and-aggregation scheme）。