[論文レビュー] Sharp threshold for alignment of graph databases with Gaussian weights

Luca Ganassali|arXiv (Cornell University)|Oct 30, 2020

Privacy-Preserving Technologies in Data参考文献 20被引用数 10

ひとこと要約

この論文は、相関のあるガウス型ウィグナー行列における植え付けられた置換の正確な回復のための鋭い情報理論的閾値を確立し、$ n\rho^2 \geq (4+\varepsilon)\log n + \omega(1) $ を満たすとき、高確率で正確な整合性が達成可能であることを示している。解析はMAP推定器と2次モーメント法に依拠しており、このモデルにおいて再構築は検出よりも難しいわけではないことが明らかになった。

ABSTRACT

We study the fundamental limits for reconstruction in weighted graph (or matrix) database alignment. We consider a model of two graphs where $π^*$ is a planted uniform permutation and all pairs of edge weights $(A_{i,j}, B_{π^*(i),π^*(j)})_{1 \leq i0$, there is an estimator $\hatπ$ -- namely the MAP estimator -- based on the observation of databases $A,B$ that achieves exact reconstruction with high probability. Conversely, if $n ρ^2 \leq 4 \log n - \log \log n - ω(1)$, then any estimator $\hatπ$ verifies $\hatπ=π$ with probability $o(1)$. This result shows that the information-theoretic threshold for exact recovery is the same as the one obtained for detection in a recent work by Wu et al. (2020): in other words, for Gaussian weighted graph alignment, the problem of reconstruction is not more difficult than that of detection. Though the reconstruction task was already well understood for vector-shaped database alignment (that is taking signal of the form $(u_i, v_{π^*(i)})_{1 \leq i\leq n}$ where $(u_i, v_{π^*(i)})$ are i.i.d. pairs in $\mathbb{R}^{d_u} imes \mathbb{R}^{d_v}$), its formulation for graph (or matrix) databases brings a drastically different problem for which the hard phase is conjectured to be wide. The proofs build upon the analysis of the MAP estimator and the second moment method, together with the study of the correlation structure of energies of permutations.

研究の動機と目的

• 植え付けられた置換の正確な回復における根本的な情報理論的限界を特定すること。
• 相関のあるエッジ重みを伴うガウス型ウィグナー・モデルにおいて、再構築が検出よりも難しいかどうかを分析すること。
• MAP推定器と2次モーメント法を用いて、正確な回復の鋭い閾値を確立すること。
• 同じモデル内での正確な回復と検出の難易度を比較すること。

提案手法

• エッジ重み $ (A_{i,j}, B_{\pi^*(i),\pi^*(j)}) $ が平均ゼロ、単位分散、相関 $ \rho \in [0,1] $ の独立同一分布である2つの相関のある対称的隣接行列 $ A $ と $ B $ をモデル化する。
• 観測された $ A $ と $ B $ に基づいて置換 $ \hat{\pi} $ のMAP推定器を分析し、植え付けられた置換 $ \pi^* $ の回復能力に注目する。
• 条件付きガウス分布と相関構造を用いて、相対エネルギーが負である置換の数に対する2次モーメント法を適用する。
• 逆条件の下で、このような置換の数が高確率で正であることを示すために、ペイリー＝ジムンド不等式を用いる。
• エッジ被覆と分散分析を用いて、置換間でのエネルギー変動の相関を推定する。
• 相関係数 $ \sim 1/4 $ および $ O(\sqrt{\log n / n}) $ を伴うガウス尾部確率の漸近的解析を用いて、2次モーメントを制御する。

実験結果

リサーチクエスチョン

• RQ1 相関のあるガウス型ウィグナー行列における植え付けられた置換 $ \pi^* $ の正確な回復の鋭い閾値は何か？
• RQ2 このモデルにおいて正確な回復は検出よりも厳密に難しいのか、それとも同じ閾値を共有するのか？
• RQ3 置換間でのエネルギー変動の相関構造は、再構築の可能性にどのように影響するか？
• RQ4 この設定において、2次モーメント法が正確な回復の逆結果を成功裏に確立できるか？
• RQ5 転置の被覆はエネルギー差の相関にどのように寄与するか、そしてそれが2次モーメントの上限にどのように影響するか？

主な発見

• 任意の $ \varepsilon > 0 $ に対して、$ n\rho^2 \geq (4+\varepsilon)\log n + \omega(1) $ を満たすとき、MAP推定器を用いることで、高確率で植え付けられた置換 $ \pi^* $ の正確な回復が可能である。
• 逆に、$ n\rho^2 \leq 4\log n - \log\log n - \omega(1) $ のとき、任意の推定器は $ \pi^* $ を $ o(1) $ の確率で回復できないことが示され、鋭い閾値が確立された。
• 正確な回復の情報理論的閾値は検出のそれと一致しており、このモデルにおいて再構築は検出よりも難しいわけではないことが示された。
• 2次モーメント法は、相対エネルギーが負である不正な置換の数をうまく制御できており、閾値を超過した場合にはこのような置換がまれであることが示された。
• 非交差する転置ではエネルギー変動の相関が $ O(\sqrt{\log n / n}) $ に減少し、重複する転置では $ 1/4 $ に近づくが、これは2次モーメントの上限を制御する上で重要である。
• 解析により、正確な回復だけでなく、ほぼ正確な回復や部分的回復についても、同じ閾値 $ n\rho^2 / \log n \to 4 $ が支配的であることが確認された。