[論文レビュー] Target Defense Against Link-Prediction-Based Attacks via Evolutionary Perturbations

Shanqing Yu, Minghao Zhao+5 more|arXiv (Cornell University)|Sep 16, 2018

Complex Network Analysis Techniques参考文献 35被引用数 13

ひとこと要約

本稿では、リソース割り当て（RA）インデックスを標的とする、リンク予測攻撃から機微なリンクを保護するための進化的な摂動に基づく防御戦略を提案する。推定分布法（EDA）を用いて反復的にネットワーク構造を変更することで、データの有用性を保ちながらリンク予測の正確性を低下させ、6つの実世界ネットワークにおいてヒューリスティック法およびベースライン手法を上回る性能を達成した。

ABSTRACT

In social networks, by removing some target-sensitive links, privacy protection might be achieved. However, some hidden links can still be re-observed by link prediction methods on observable networks. In this paper, the conventional link prediction method named Resource Allocation Index (RA) is adopted for privacy attacks. Several defense methods are proposed, including heuristic and evolutionary approaches, to protect targeted links from RA attacks via evolutionary perturbations. This is the first time to study privacy protection on targeted links against link-prediction-based attacks. Some links are randomly selected from the network as targeted links for experimentation. The simulation results on six real-world networks demonstrate the superiority of the evolutionary perturbation approach for target defense against RA attacks. Moreover, transferring experiments show that, although the evolutionary perturbation approach is designed to against RA attacks, it is also effective against other link-prediction-based attacks.

研究の動機と目的

• リンクの削除にもかかわらず、リンク予測によって機微なリンクが再識別される可能性があるソーシャルネットワークにおけるプライバシーリスクに対処すること。
• 特定の機微なリンクがリンク予測アルゴリズムによって予測されないように、標的指向の防御機構を開発すること。
• ネットワーク構造の歪みを最小限に抑えることで、防御の効果とデータの有用性の両立を図ること。
• 異なるリンク予測アルゴリズムにわたる防御機構の一般化性を調査すること。
• 進化的な摂動を効果的に誘導するため、正確性とAUCを併用したフィットネス関数を設計すること。

提案手法

• 推定分布法（EDA）を用いて、標的リンクを隠すためにネットワーク構造を変更する進化的な摂動を生成する。
• 主にRAインデックスを攻撃モデルとして用い、リンク予測の正確性とAUCの両方を評価するフィットネス関数を設計する。
• 摂動は標的リンクにのみ適用し、他のネットワーク構造は維持することでデータの有用性を保つ。
• 各摂動後の変化を段階的に計算することで、時間コストを低減するための変動ベースの計算戦略を採用する。
• 比較評価のため、ヒューリスティック法（HP）と進化的アプローチ（EDA）を統合する。
• 6つの実世界ネットワークにおいて、複数のリンク予測インデックス（RA、CN、Jaccard、PA、AA、LP）を用いて防御効果を評価する。

実験結果

リサーチクエスチョン

• RQ1 進化的な摂動は、ネットワーク全体の有用性を損なわせることなく、機微なリンクのリンク予測精度を著しく低下させることができるか？
• RQ2 異なる実世界ネットワークにおいて、提案手法のEDAベース防御はヒューリスティック法およびベースライン手法に比べ、正確性とAUCの両面で優れているか？
• RQ3 RAインデックス以外のリンク予測アルゴリズムに対しても、防御機構はどの程度一般化可能か？
• RQ4 フィットネス関数の設計は、進化的な防御プロセスの効率性と有効性にどのような影響を与えるか？
• RQ5 大規模ネットワークにおける標的リンク数の増加に伴い、この手法はどのようにスケーリングするか？

主な発見

• EDAベースの進化的な摂動手法は、全テストネットワークにおいてRAインデックスのリンク予測正確性（0.00667）を最低に抑え、AUC（0.629）を最高に達成し、ベースライン手法を著しく上回った。
• Jazzネットワークでは、RAインデックスにおいて正確性0.327、AUC0.940を達成し、他のすべての手法を上回った。
• 進化的な防御機構は強力な一般化性を示した。RAに対する防御を適用した場合、CN、Jaccard、PA、AA、LPインデックスの予測性能も同時に低下させた。
• 正確性とAUCを併用したフィットネス関数により、各摂動後のフィットネス変化を段階的に計算可能となり、最適化の効率が向上した。
• Lesmisネットワークでは、RAに基づく予測正確性を0.0199、AUCを0.879にまで低下させ、多様なネットワークトポロジーにわたり高い頑健性を示した。
• 強力な性能を発揮したが、多くの標的リンクを含む大規模ネットワークでは、構造最適化が不十分なため、効率性が低下した。