.png){kind=icon}
返回
Bayesian Ridge Regression-Based Graph Injection Attack on IIoT
.png){kind=icon}
PRE
AI
DOI：10.1109/JESTIE.2025.3583886.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
工业物联网（IIoT）系统具有复杂的结构和非欧几里得数据，这使得其管理具有挑战性。由于图神经网络（GNNs）在处理非欧几里得数据和复杂拓扑方面具有优势，因此它们能够应对IIoT环境中的问题。在本工作中，将IIoT系统结构化为多层结构，以促进系统的管理和GNNs的使用。GNNs被用作节点分类器，以分析IIoT系统中每个边缘服务器的状态。然而，在现实中，对抗攻击常常出现在IIoT中，严重影响系统性能。因此，提出了一种黑盒图注入攻击方法，即贝叶斯岭回归注入攻击（BRRIA），用于研究内部关系对系统的影响，并调查GNNs的脆弱性。在两个公开数据集上的大量实验证明了我们攻击方法的有效性。在针对特定受害节点的实验以及通过攻击关键节点来攻击某一类节点时，BRRIA相比于先进方法显示出更高的攻击准确率。此外，还使用了一个模拟工业生产过程的合成数据集，以证明BRRIA方法的有效性。
Keyword:
Industrial Internet of Things
Servers
Feature extraction
Artificial intelligence
Wireless communication
Industrial electronics
Classification algorithms
Bayes methods
Training
Approximation algorithms
Adversarial attack
black-box attack
graph injection attack
Industrial Internet of Things (IIoT)
期刊
I
IF:
0
论文数:
138
被引数:
0
机构
引用论文
.png){kind=icon}
分享收藏分享收藏
查看更多内容