针对基于随机游走的异常检测的耦合空间攻击

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，核心贡献是联合考虑相互依赖的图空间与特征空间攻击：当检测图由原始特征构造时，攻击者既可针对图结构，也可通过修改特征间接影响图及异常评分。 在方法上，作者对攻击 RWAD 的计算复杂性进行分析，并报告证明该问题为 NP-hard；具体成立条件与约束范围需核对全文。作者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；随后以图空间攻击结果为指导，构造 graph-guided attacks，将图上的攻击目标转化为更有针对性的特征空间扰动。摘要未提供具体目标函数、可修改的图元素、特征约束或构图规则。 结果方面，作者报告，在有限攻击预算下，所提攻击能帮助目标节点逃避 RWAD 检测；在黑盒迁移攻击实验中，特征攻击显著降低了目标节点的异常评分。摘要未给出数据集、预算定义、对照方法、效应量及统计检验，因此尚不能量化攻击收益，也不能将异常评分降低直接等同于成功逃逸。实验协议、消融及统计信息尚未验证。 平台推测（待验证）：若某 EEG 异常检测流程确实采用“信号特征构图—RWAD 评分”，本文机制可用于检验特征扰动如何经构图过程放大为检测偏差。可复用的是图空间优化与图引导特征攻击思路，需改造的是 EEG 特征约束及构图映射；该假设依赖明确的节点、边及评分定义，不能直接推广到一般 EEG 分类。低信噪比、跨被试差异、通道变化和小数据可能使攻击方向不稳定，也可能造成非攻击扰动与对抗效应混淆。一个可检验的小实验是在固定 EEG 特征构图和 RWAD 流程下，对比相同扰动预算的随机特征扰动与图引导扰动，检查异常评分及逃逸比例变化。已有 EEG 相关工作尚未检索确认。