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，核心对象是图异常检测，而非 EEG/BCI。由于 RWAD 的输入既可以是已有图，也可以是由原始特征构建的图，作者提出联合考虑相互依赖的特征空间与图空间攻击，并利用图空间攻击结果指导特征空间扰动。 方法上，作者通过复杂度分析证明所研究的 RWAD 攻击问题为 NP-hard，随后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。在此基础上，graph-guided attacks 将图空间攻击结果作为特征攻击的指导。摘要未给出具体目标函数、可修改特征与图结构的约束，以及从图扰动映射到特征扰动的实现细节。 作者报告，在有限攻击预算下，所提攻击能够帮助目标节点逃避 RWAD 检测；在黑盒迁移攻击实验中，特征攻击也显著降低了目标节点的异常分数。摘要未提供数据集、预算数值、对照方法或效果量，实验协议、消融及统计信息尚未验证，不能据此判断不同检测器或构图规则下的稳健性。 平台推测（待验证）：若某 EEG 流程确实采用“信号特征构图—RWAD 异常评分”，本文机制可用于检验特征扰动经构图传播后是否改变异常判定，而不应泛化到所有 BCI 解码器。可复用的是双层攻击建模与图指导思路，需改造的是 EEG 特征约束、构图规则及生理可行性条件；低信噪比、跨被试差异、通道变化和小样本均可能使攻击方向不稳定。一个小规模可证伪实验是在固定数据划分与构图规则下，对比同预算的直接特征扰动与 graph-guided 扰动，检查目标异常分数及正常样本误报变化。已有 EEG 相关工作尚未检索确认。