본 논문은 그래프 신경망(GNNs)의 취약성을 다루며, 기존의 그래프 조작 기반 공격 방식의 현실적인 한계를 지적합니다. 새로운 공격 시나리오로, 격리된 서브그래프를 주입하여 GNN 시스템 내 링크 추천 및 노드 분류기를 동시에 속이는 방법을 제시합니다. 이는 링크 추천기를 조작하여 표적 노드와 서브그래프 간의 링크를 제안하게 하고, 사용자가 무의식적으로 연결을 형성하도록 유도하여 노드 분류 정확도를 저하시키는 방식입니다. 이를 해결하기 위해, 이중 대리 모델과 이중 수준 최적화를 사용하는 LiSA 프레임워크를 제안하며, 실제 데이터셋을 통한 실험으로 그 효과를 입증합니다.
