[論文レビュー] Adversarial Link Prediction in Social Networks.

Kai Zhou, Tomasz Michalak+3 more|arXiv (Cornell University)|Sep 22, 2018

Complex Network Analysis Techniques参考文献 13被引用数 7

ひとこと要約

この論文は、ソーシャルネットワークにおける類似度ベースのリンク予測に対する敵対的攻撃を調査し、予測精度を損なうためにリンクの削除に注目する。局所的およびグローバルな攻撃戦略を提案し、いくつかの変種がNP困難であることを証明し、計算不能なケースに対して理論的保証を備えた効率的な近似アルゴリズムを開発する。

ABSTRACT

Link prediction is one of the fundamental problems in computational social science. A particularly common means to predict existence of unobserved links is via structural similarity metrics, such as the number of common neighbors; node pairs with higher similarity are thus deemed more likely to be linked. However, a number of applications of link prediction, such as predicting links in gang or terrorist networks, are adversarial, with another party incentivized to minimize its effectiveness by manipulating observed information about the network. We offer a comprehensive algorithmic investigation of the problem of attacking similarity-based link prediction through link deletion, focusing on two broad classes of such approaches, one which uses only local information about target links, and another which uses global network information. While we show several variations of the general problem to be NP-Hard for both local and global metrics, we exhibit a number of well-motivated special cases which are tractable. Additionally, we provide principled and empirically effective algorithms for the intractable cases, in some cases proving worst-case approximation guarantees.

研究の動機と目的

• 敵対者がソーシャルネットワーク内のリンクを戦略的に削除することで、類似度ベースのリンク予測をどのように損なうことができるかを調査すること。
• 局所的およびグローバルな構造的類似度メトリクスの下でのリンク削除攻撃の計算複雑性を分析すること。
• 効率的なアルゴリズムを設計可能な、取り扱いやすい特別なケースを同定すること。
• 理論的最悪ケース性能保証が保証される、原則に基づいた近似アルゴリズムを、計算不能な攻撃バージョンに対して開発すること。

提案手法

• 類似度ベースのリンク予測を標的とする敵対的リンク削除攻撃のフレームワークを提案し、共通の近傍ノードやその他の構造的類似度メトリクスを予測の根拠として使用する。
• 攻撃戦略を、局所的（個々のリンクを、ネットワークの局所的情報のみで標的にする）およびグローバル（ネットワーク全体の構造を用いる）アプローチに分類する。
• 既知のNP困難問題からの還元を用いて、局所的およびグローバルな設定の両方で、攻撃問題の複数の変種がNP困難であることを証明する。
• 攻撃問題が取り扱いやすくなる特定の構造的条件（例：次数が有界、スパarsなネットワーク構成）を同定し、多項式時間で解けるようにする。
• 計算不能なケースに対して近似アルゴリズムを設計し、組合せ最適化の原則から導かれる理論的最悪ケース性能保証を提供する。
• 実世界および合成ネットワーク上で提案されたアルゴリズムの実験的評価を行い、有効性とスケーラビリティを検証する。

実験結果

リサーチクエスチョン

• RQ1 あるネットワーク内のターゲットペアの類似度スコアを最小化するために、リンクを削除する計算複雑性はどの程度か？
• RQ2 局所的戦略とグローバル戦略では、有効性と計算可能性の面でどのように異なるか？
• RQ3 ネットワークにどのような構造的条件が存在すれば、敵対的リンク削除問題の取り扱いやすい解が得られるか？
• RQ4 計算不能な攻撃バージョンに対して、理論的性能バウンドが保証される近似アルゴリズムを設計できるか？
• RQ5 提案されたアルゴリズムは、実世界のソーシャルネットワークデータセットにおいて実際の場面でどの程度有効か？

主な発見

• 局所的およびグローバルな類似度メトリクスの両方において、敵対的リンク削除問題の複数の変種がNP困難であることが証明された。
• 次数が有界である、またはスパースなネットワーク構成であるといった特定の構造的制約が、一部の攻撃変種を扱いやすくし、多項式時間で解けるようにする。
• 計算不能なケースに対して近似アルゴリズムが開発され、組合せ最適化の理論的分析から最悪ケース性能保証が確立された。
• 実験的評価では、特にグローバル攻撃戦略の下で、提案されたアルゴリズムがターゲットリンクの類似度スコアを効果的に低下させた。
• 結果として、類似度ベースのリンク予測は、敵対者がネットワーク全体の情報を入手できる場合、特に戦略的なリンク削除に対して脆弱であることが示された。