[논문 리뷰] Adversarial Link Prediction in Social Networks.

Kai Zhou, Tomasz Michalak외 3명|arXiv (Cornell University)|2018. 09. 22.

Complex Network Analysis Techniques참고 문헌 13인용 수 7

한 줄 요약

이 논문은 사회적 네트워크에서 유사도 기반 링크 예측에 대한 적대적 공격을 조사하며, 예측 정확도를 저하시키기 위해 링크 삭제를 중심으로 다룬다. 국소적 및 전역적 공격 전략을 제안하고, 여러 변종이 NP-난이도임을 증명하며, 해결이 곤란한 경우에 대해 이론적 보장을 갖춘 효율적인 근사 알고리즘을 개발한다.

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.

연구 동기 및 목표

• 적대자가 사회적 네트워크에서 링크를 전략적으로 삭제하여 유사도 기반 링크 예측을 어떻게 약화시킬 수 있는지 연구하기 위해.
• 국소적 및 전역적 구조적 유사도 측정 기준 하에서 링크 삭제 공격의 계산 복잡도를 분석하기 위해.
• 효율적인 알고리즘을 설계할 수 있는 공격 문제의 다루기 쉬운 특수 케이스를 식별하기 위해.
• 이론적으로 보장된 최악의 경우 성능을 갖춘 근사 알고리즘을 개발하여 해결이 곤란한 공격 변종을 다루기 위해.

제안 방법

• 공통된 이웃 수 및 기타 구조적 유사도 측정 기준을 기반으로 하여, 유사도 기반 링크 예측을 공격하는 데 초점을 맞춘 적대적 링크 삭제 공격 프레임워크를 제안한다.
• 공격 전략을 국소적(단일 링크를 대상으로 하며 국소 네트워크 정보만 사용) 및 전역적(전체 네트워크 구조를 사용) 접근 방식으로 분류한다.
• 기존의 알려진 NP-난이도 문제로부터의 축소를 통해 국소 및 전역 설정 하에서 공격 문제의 여러 변종이 NP-난이도임을 증명한다.
• 공격 문제가 다루기 쉬워지는 특정 구조적 조건(예: 차수의 상한 또는 희박한 네트워크 구성 등)을 식별하여 다항식 시간 내에 해결 가능한 해법을 가능하게 한다.
• 해결이 곤란한 경우에 대해 근사 알고리즘을 설계하며, 조합 최적화 원리로부터 유도된 이론적 최악의 경우 성능 보장을 한다.
• 실제 및 합성 네트워크에서 제안된 알고리즘의 효과성과 확장성을 평가하기 위해 실증적 평가를 수행한다.

실험 결과

연구 질문

• RQ1 목표 쌍의 유사도 점수를 최소화하기 위해 네트워크에서 링크를 삭제하는 데 필요한 계산 복잡도는 무엇인가?
• RQ2 효과성과 계산 가능성을 고려할 때 국소 전략과 전역 전략은 어떻게 비교되는가?
• RQ3 네트워크의 어떤 구조적 조건이 적대적 링크 삭제 문제의 다루기 쉬운 해법을 가능하게 하는가?
• RQ4 해결이 곤란한 공격 변종에 대해 보장된 성능 범위를 갖는 근사 알고리즘을 설계할 수 있는가?
• RQ5 실제 사회적 네트워크 데이터셋에서 제안된 알고리즘은 실제로 얼마나 효과적인가?

주요 결과

• 국소 및 전역 유사도 측정 기준 하에서 적대적 링크 삭제 문제의 여러 변종이 모두 NP-난이도임이 증명되었다.
• 특정 구조적 조건(예: 차수의 상한 또는 희박한 네트워크 구성 등)은 공격 문제의 일부 변종을 다루기 쉬운 것으로 만드며, 다항식 시간 내에 해결 가능하다.
• 해결이 곤란한 경우에 대해 근사 알고리즘을 개발하였으며, 이론적 분석을 통해 최악의 경우 성능 보장을 확립하였다.
• 실증 평가 결과, 제안된 알고리즘은 특히 전역 공격 전략 하에서 목표 링크의 유사도 점수를 효과적으로 감소시켰다.
• 결과적으로, 유사도 기반 링크 예측은 특히 적대자가 전역 네트워크 정보에 접근할 수 있을 경우 전략적 링크 삭제에 취약함을 보여주었다.