全球财经|信也科技两篇论文成功收录至国际顶级学术会议AAAI 2022，图对抗攻击中的“矛”与“盾( 二 ) 近日

研究无监督图预训练模型的鲁棒性时，模型的鲁棒性通常定义在标签空间上，即现有网络鲁棒性度量需要依据样本的预测结果或标签进行计算，并不适用于本文的无监督设置。而在无监督图表征模型中，如何在表征空间上定义鲁棒性度量是第一个挑战。
为了应对上述挑战，本文首先提出了一个基于信息论的图编码器鲁棒性衡量指标：图表征脆弱性(graph representation vulnerability, GRV) 。其次，文章将鲁棒性学习问题形式化为一个优化问题，保证了图编码器的强表征能力和高鲁棒性。但是，如何有效地计算或逼近该优化问题的目标函数是第二个挑战。该挑战的难点在于：一方面，优化问题的目标函数非常难解;另一方面，如何在联合输入空间(由网络结构和节点特征组成)中描述攻击能力并确定扰动边界也同样棘手。
为了解决以上问题，文章采用概率分布之间的 Wasserstein 距离来量化攻击能力，并提供了一个搜索攻击策略的高效近似方案。其次，文章采用投影梯度下降法(projected gradient descent, PGD)的变种来解决所提出的优化问题。最终，本文在对抗环境中能够学得一个高质量的鲁棒图编码器，并进一步探索了GRV和下游任务分类器的鲁棒性之间的理论联系。
本次AAAI收录的两篇论文正是信也科技与浙江大学和UCLA在图算法的鲁棒性和安全性领域的合作研究的新成果。信也科技-浙江大学联合人工智能研发中心在过去几年已经陆续在将图数据和图认知算法与风控反欺诈业务结合，图的预训练算法，图的结构学习，以及图算法的鲁棒性提升等领域做出了多项成果。
据悉,两篇论文在组委会国内外知名学者专家的匿名评审后获得高度认可,这也标志着信也科技在人工智能学术研究领域的重大飞跃。
信也科技在学术界备受认可，且在技术落地方面经验丰富，据悉其已实现了对信贷业务流程的全覆盖，如人脸识别、多场景OCR、声纹识别等多模态核身、增信技术，语音识别、意图识别、对话管理、语音生成等全流程智能对话机器人技术，以及基于复杂网络的不良中介识别和团伙识别技术等。
【全球财经|信也科技两篇论文成功收录至国际顶级学术会议AAAI 2022，图对抗攻击中的“矛”与“盾】信也科技取得成绩的背后是长久以来着眼于科技并致力于科研的信念，未来的信也科技将继续保持对科技研发的关注与投入，不断突破并创新，努力实现科技,让金融更美好的使命。