본 논문은 그래프 신경망(GNNs)의 노드 주입 공격에 대한 취약성을 해결하기 위해, 이중 제약을 가진 은밀한 노드 주입 프레임워크인 JANUS를 제안합니다. 기존 방법들이 간접적인 지표에 의존하거나 국소 구조만 모방하여 은밀성을 확보하는 한계를 극복하기 위해, JANUS는 국소적 수준에서는 특징 공간에서 기하학적 일관성을 달성하는 국소 특징 다양체 정렬 전략을, 전역적 수준에서는 구조화된 잠재 변수를 통합하여 생성된 구조와 원래 그래프의 의미 패턴 간의 상호 정보를 극대화하는 전략을 사용합니다. 노드 주입 공격을 강화 학습 에이전트로 최적화된 순차적 의사 결정 과정으로 모델링하여, 다양한 데이터셋에서 기존 방법보다 공격 효과와 은밀성 측면에서 우수한 성능을 보입니다.
