Temporal Graph Neural Networks (TGNNs)의 보안 취약점을 공격하는 새로운 adversarial framework인 LoReTTA (Low Resource Two-phase Temporal Attack)를 소개합니다. LoReTTA는 Continuous-Time Dynamic Graphs에서 작동하며, 널리 사용되는 4개의 벤치마크 데이터셋과 4개의 SOTA 모델에 대해 평균 29.47%의 TGNN 성능 저하를 발생시킵니다. LoReTTA는 두 단계로 작동합니다: (1) 16개의 temporal 중요도 지표를 사용하여 고영향 에지를 제거하여 그래프를 희소화하고, (2) LoReTTA의 새로운 차수 보존 negative sampling 알고리즘을 통해 제거된 에지를 adversarial negatives로 전략적으로 대체합니다. 이 플러그 앤 플레이 디자인은 고가의 surrogate 모델이 필요 없도록 하며, 현실적인 unnoticeability 제약 조건을 준수합니다. LoReTTA는 MOOC에서 최대 42.0%, Wikipedia에서 31.5%, UCI에서 28.8%, Enron에서 15.6%의 성능 저하를 보입니다. LoReTTA는 11개의 attack baseline보다 뛰어나며, 4개의 주요 anomaly detection 시스템에 탐지되지 않고, 4개의 SOTA adversarial defense training 방법에 대해 견고함을 보여줍니다.
