Краткое содержание

arXiv:2511.12423v1 Тип объявления: cross Аннотация: Графы с текстовыми атрибутами (TAG), объединяющие структурную и текстовую информацию узлов, повсеместно распространены во многих областях. Последние исследования интегрируют большие языковые модели (LLM) с графовыми нейронными сетями (GNN) для совместного моделирования семантики и структуры, что приводит к созданию более общих и выразительных моделей, демонстрирующих наилучшую производительность на бенчмарках TAG. Однако эта интеграция вводит двойные уязвимости: GNN чувствительны к структурным возмущениям, в то время как признаки, полученные от LLM, уязвимы для инъекций в промпты и адверсариальных формулировок. В то время как существующие адверсариальные атаки в основном независимо нарушают структуру или текст, мы обнаружили, что унимодальные атаки вызывают лишь незначительную деградацию в LLM-усиленных GNN. Более того, многие существующие атаки предполагают нереалистичные возможности, такие как бесконтрольный доступ или прямое изменение графовых данных. Для устранения этих пробелов мы предлагаем GRAPHTEXTACK, первую чернособственную, мультимодальную {, отравляющую} атаку на узлы