본 논문은 그래프 분류 작업에서 그래프 신경망(GNN)의 적대적 견고성에 대한 연구를 수행하며, 특히 풀링 연산의 역할을 탐구합니다. 기존의 방어 기법이 메시지 전달에 집중하는 것과 달리, 논문은 풀링 연산의 취약점을 분석하고, 이를 기반으로 견고한 그래프 수준 표현을 생성하는 새로운 풀링 전략인 Robust Singular Pooling (RS-Pool)을 제안합니다. RS-Pool의 견고성을 이론적으로 분석하고, 실제 벤치마크에서 기존 풀링 방법보다 우수한 적대적 견고성을 보임을 입증합니다.
