[論文レビュー] Attacking Similarity-Based 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 25被引用数 37

ひとこと要約

本稿では、標的リンクの類似度スコアを最小化するために戦略的にエッジを削除することにより、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を攻撃する包括的なアルゴリズムフレームワークを提案する。両者とも局所的およびグローバルなメトリクスに対して問題がNP困難であることを証明した一方で、近似アルゴリズム（例：Approx-Local、Greedy-Katz）を効果的に開発し、類似度スコアの低減において、実ネットワークおよび合成ネットワークでベースラインを上回る強力な実験的性能を示した。

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

• 攻撃者がエッジを削除することで標的リンクを隠すことを可能とする、敵対的状況下における類似度ベースのリンク予測の脆弱性を調査すること。
• 制限されたエッジ削除予算のもとで、標的リンクの重み付き類似度スコアを最小化する最適化問題として攻撃を形式化すること。
• 類似度メトリクスを局所的（例：共通ノード数）およびグローバル的（例：Katz、ACT）に分類し、それぞれの攻撃の計算複雑度を分析すること。
• 特殊なケース（例：1つのリンクやノードのグループを攻撃する）が多項式時間で解けるかどうかを同定し、それらに対して最適または近似最適なアルゴリズムを開発すること。
• 特にグローバルメトリクスに対して、近似保証を備えた実用的で原理的根拠のあるアルゴリズムを設計すること。

提案手法

• 最適なエッジ削除を決定するためのバイナリ整数線形計画法（BILP）として攻撃を定式化。削除総数およびノードごとの制限を含む制約条件を設ける。
• Cardinality制約下でのサブモジュラ関数の最大化に基づく貪欲アルゴリズムであるApprox-Localを提案。局所的類似度メトリクスの上界を最小化することを目的とする。
• Katz類似度を最小化するためのヒューリスティックアルゴリズムであるGreedy-Katzを導入。実験で有効であることが確認され、近似保証も得られている。
• 局所的ネットワーク構造を活用して高影響度のエッジ削除を優先する、原理的根拠のあるヒューリスティックであるLocal-ACTを提案。ACT距離の最小化を目的とする。
• BILP定式化の線形計画法緩和を用いて、特に特殊ケースにおいて近最適なエッジ削除計画を計算する。
• スケールフリーネットワークおよび実際のFacebookフレンドシップネットワーク（n=786, m=12,291）を用いてアルゴリズムを検証。RandomDelおよびGreedyBaseベースラインと性能を比較。

実験結果

リサーチクエスチョン

• RQ1 エッジ削除による類似度スコアの最小化問題は、局所的およびグローバル類似度メトリクスの両方でNP困難であるか？
• RQ2 1つのリンクやノードのグループを攻撃するような特殊ケースでは、最適または近似最適な解を得られるか？
• RQ3 特にKatzやACTのようなグローバルメトリクスに対して、計算困難なケースを標的としたアルゴリズムの近似保証は何か？
• RQ4 提案されたアルゴリズムは、GreedyBase や RandomDel といった既存のヒューリスティクスと比較して実際の性能でどれほど優れているか？
• RQ5 アルゴリズムの性能は、異なるネットワークサイズやトポロジーにおいても効果的にスケーリングされるか？

主な発見

• Katz や ACT などのグローバルメトリクスを用いる場合でさえ、1つの標的リンクを攻撃する問題はNP困難である。
• 局所的メトリクスでは、2つの特殊ケース（1つのリンクを攻撃する、またはCNDメトリクスを用いたノードグループの攻撃）において最適攻撃が可能であり、正確な解が得られる。
• Approx-Localは、局所的メトリクスの最適上界の20％以内の近似品質を達成し、実験的にも優れた性能を示した。
• Greedy-Katz および Local-ACT は、合成ネットワークおよび実ネットワークの両方で、Katz および ACT メトリクスの類似度スコアを低下させる点で、GreedyBase ヒューリスティクスを顕著に上回った。
• わずか5～10本の戦略的削除エッジでも、標的リンクの類似度スコアを最大50～70％まで低下させることができ、攻撃の高い有効性を示した。
• 提案されたアルゴリズムは、スケールフリーネットワークやFacebookフレンドシップネットワーク（n=786, m=12,291）を含む多様なネットワークトポロジーにおいても、強力な性能を維持した。