标签
本文介绍了 STAG，一个针对文本属性图上 Graph Foundation Models 的隐蔽后门攻击框架，协调图和文本触发器以规避检测并实现有效攻击。
本文提出了MSB-GFM，一种用于跨领域多标签节点分类的多语义基图基础模型，通过将节点表示为语义基的自适应组合来解决语义纠缠问题。
这篇arXiv论文介绍了ProGFM，一种传播感知的图基础模型，将边与特征维度之间的传播关系视为可迁移的知识单元，从而实现自适应聚合并提升跨域泛化能力。
本文识别并攻击了图基础模型的对齐层，表明这是一个独特的攻击面，在低预算扰动下尤其脆弱，特别是对于频谱分词器，并提出基于检测的防御措施。
提出了FedGAMMA，一种联邦多模态图基础学习框架，通过两阶段预训练和基于提示的微调，对齐多模态属性和图拓扑，在多个数据集上取得了显著提升。