![]()
图神经网络在社交网络、推荐系统、分子生物等领域有广泛的应用。作为图神经网络领域的研究热点，自监督预训练图编码器通过自监督任务的预训练，能够在无标注数据的情况下，从图数据中自动学习高效的节点、边和图表示，并迁移到下游任务中。然而，这种迁移性也为攻击者提供了便利，攻击者可窃取图编码器并构建自己的下游应用，为图编码器的版权保护带来挑战。该成果设计了一种用于保护自监督预训练图编码器的黑盒水印技术。在水印嵌入过程中，该技术在常规图中注入密钥节点以构造触发集，通过训练使待保护的图编码器对触发集的输出在嵌入空间上聚集成一个独特且紧密的“簇”。在提取水印时，版权拥有者可根据下游任务以密钥节点注入的方式构造验证集，并观察下游任务中待验证模型对验证集的预测结果，若预测相似度大于预先指定的阈值，则水印提取成功，否则，水印提取失败。实验结果表明，通过该技术嵌入的水印可被有效地自适应迁移到节点分类、链接预测、社区检测等不同下游任务中，并且不会影响图模型的原有性能，所嵌入的水印同时具有一定的鲁棒性。论文已发表在会议《IEEE International Workshop on Information
Forensics and Security》(主会口头报告)，作者来自上海大学，依次是赵翔宇、吴汉舟(通讯作者)和张新鹏。X. Zhao, H. Wu, and X. Zhang. Transferable
watermarking to self-supervised pre-trained graph encoders by trigger
embeddings, IEEE International Workshop on Information Forensics and Security, to
appear, 2024.欢迎有志向的同学来读研究生：hanzhou@shu.edu.cn
供稿：赵翔宇、吴汉舟
