针对基于随机游走的异常检测的双空间攻击

基于摘要分析。本文研究基于随机游走的异常检测（RWAD）的对抗脆弱性：输入图既可能预先存在，也可能由原始特征构建，因此攻击者可分别干预图结构与特征。核心贡献是联合分析这两个攻击空间，并利用图空间攻击结果指导特征空间攻击，而非提出 EEG 或 BCI 检测方法。 机制方面，作者报告通过复杂度分析证明攻击 RWAD 是 NP-hard 问题，并将图空间攻击表述为双层优化问题，提出交替迭代策略 alterI-attack，以及利用随机游走模型闭式解的 cf-attack。随后，作者以图空间攻击结果为指导构造 graph-guided attacks，以增强特征空间攻击。该路径依赖于特征与图构建之间的关联；具体图构建规则、攻击者权限及扰动约束尚未验证。 结果方面，作者报告在有限攻击预算下所提攻击有效，并在黑盒迁移攻击实验中观察到特征攻击显著降低目标节点的异常分数。摘要未提供数据集、预算数值、效应大小或统计检验细节；实验协议、对照基线、消融及统计信息尚未验证，不能据此判断不同场景下的攻击强度。 平台推测（待验证）：若 EEG 异常检测流程先从信号特征构建相似度图，再以随机游走评估异常节点，该研究可用于检验特征扰动经图构建传播后造成的检测风险，而不是直接提升解码性能。可复用的是图空间优化与图引导攻击思路，需改造的是 EEG 特征、图构建规则及生理合理的扰动约束。低信噪比、跨被试差异、通道变化与小数据可能使图结构不稳定，导致攻击优化或迁移失效。一个可证伪的小实验是在固定 EEG 数据划分和图构建流程下，以相同特征扰动预算比较图引导攻击与不使用图指导的攻击，观察目标异常分数及检测性能的变化。相关 EEG 工作尚未检索确认。