LLM能否欺骗图学习？探索文本属性图上的通用对抗攻击

文本属性图（Text-Attributed Graphs, TAGs）通过为每个节点整合丰富的文本语义和拓扑上下文来增强图学习。在提升表达力的同时，它们也通过基于文本的对抗面暴露了图学习中的新漏洞。近期进展利用多种骨干网络，如图神经网络（GNN）和预训练语言模型（PLM），来捕获TAG中的结构与文本信息。这种多样性引出一个关键问题：如何设计能跨架构泛化的通用对抗攻击，以评估TAG模型的安全性？挑战源于不同骨干——GNN与PLM——感知和编码图模式的方式存在鲜明差异，加之许多PLM只能通过API访问，使攻击被限制在黑盒设定之下。为解决这一问题，我们提出BadGraph，一种新颖的攻击框架，深度激发大语言模型（LLM）对通用图知识的理解，以联合扰动节点拓扑与文本语义。具体而言，我们设计了目标影响者检索模块，利用图先验构建跨模态对齐的攻击捷径，从而实现高效的基于LLM的扰动推理。实验表明，BadGraph在基于GNN与基于LLM的推理器上均实现了通用且有效的攻击，性能下降最高达76.3%，同时理论与实证分析确认了其隐蔽而又可解释的特性。