[논문 리뷰] Attacking Similarity-Based Link Prediction in Social Networks

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

Complex Network Analysis Techniques참고 문헌 25인용 수 37

한 줄 요약

이 논문은 표적 링크의 유사도 점수를 최소화하기 위해 전략적으로 간선을 삭제하여 사회적 네트워크 내 유사도 기반 링크 예측에 공격하는 종합적인 알고리즘 프레임워크를 제안한다. 국소 및 전역 메트릭 모두에 대해 문제의 NP-난이도를 증명하지만, 근사 알고리즘(예: Approx-Local 및 Greedy-Katz)을 개발하여 증명 가능한 보장을 제공하며, 실제 및 합성 네트워크에서 기준 대비 링크 예측 점수를 감소시키는 데 강력한 경험적 성능을 보여준다.

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

• 공격자가 간선을 삭제하여 표적 링크를 숨기려는 악성 환경에서 유사도 기반 링크 예측의 취약성을 조사하기 위해.
• 제한된 간선 삭제 예산 하에 표적 링크의 가중 유사도 점수를 최소화하는 최적화 문제로 공격를 수식화하기 위해.
• 유사도 메트릭을 국소(예: 공통 이웃) 및 전역(예: Katz, ACT) 카테고리로 분류하고 각각의 공격 복잡도를 분석하기 위해.
• 특수 케이스(예: 단일 링크나 노드 그룹 공격)를 식별하고, 이에 대해 최적 또는 근사 최적 알고리즘을 개발하기 위해.
• 비결정성 문제에 대해 근사 보장을 갖춘 실용적이고 원리적인 알고리즘을 설계하여 비결정성 케이스, 특히 전역 메트릭에 대해 해결하기 위해.

제안 방법

• 최적의 간선 삭제를 결정하기 위해 이진 정수 선형 프로그래밍(BILP)으로 문제를 수식화하며, 총 삭제 수 및 노드별 제한 조건을 포함한다.
• 국소 유사도 메트릭의 상한을 최소화하기 위해 순서 제약 조건 하에 하위모듈라 함수를 최대화하는 기법을 사용하는 그리디 알고리즘 Approx-Local를 제안한다.
• Katz 유사도를 최소화하기 위한 히우리스틱 알고리즘인 Greedy-Katz를 도입하였으며, 실험적으로 효과적임을 입증하고 근사 보장을 제공한다.
• 국소 네트워크 구조를 활용하여 영향력이 큰 간선 삭제를 우선순위로 정렬하는 원리적인 히우리스틱인 Local-ACT를 개발하였다.
• 특수 케이스에서 특히 유용한 근사 최적의 간선 삭제 계획을 도출하기 위해 BILP 수식의 선형 프로그래밍 타월을 적용한다.
• 스케일프리 네트워크와 실제 Facebook 친구 관계 네트워크에서 알고리즘을 검증하였으며, RandomDel 및 GreedyBase 기준과의 성능을 비교하였다.

실험 결과

연구 질문

• RQ1 국소 및 전역 유사도 메트릭 모두에 대해 간선 삭제를 통한 유사도 점수 최소화 문제는 NP-난이도인가?
• RQ2 단일 링크나 노드 그룹을 공격하는 특수 케이스에서는 최적 또는 근사 최적 해를 찾을 수 있는가?
• RQ3 특히 Katz 및 ACT와 같은 전역 메트릭에 대해 비결정성 문제에 대응하는 알고리즘의 근사 보장은 무엇인가?
• RQ4 제안된 알고리즘은 기존 히우리스틱(GreedyBase 및 RandomDel)에 비해 실용적으로 얼마나 효과적인가?
• RQ5 알고리즘의 성능는 다양한 네트워크 크기와 구조에서 효과적으로 스케일링되는가?

주요 결과

• Katz 및 ACT와 같은 전역 메트릭을 사용할 경우 단일 표적 링크 공격에 대해서도 문제의 NP-난이도가 유지된다.
• 국소 메트릭의 경우 두 가지 특수 케이스에서 최적 공격이 가능하다: 단일 링크나 노드 그룹 공격(특히 CND 메트릭 기준), 이에 따라 정확한 해를 도출할 수 있다.
• Approx-Local는 국소 메트릭의 최적 상한에 비해 20% 이내의 근사 품질을 확보하였으며, 경험적 성능도 뛰어나다.
• Greedy-Katz 및 Local-ACT는 합성 및 실제 네트워크에서 Katz 및 ACT 메트릭의 유사도 점수를 감소시키는 데 GreedyBase 히우리스틱을 크게 능가한다.
• 작은 수의 전략적 간선 삭제(예: k=5–10)만으로도 표적 링크의 유사도 점수를 최대 50–70%까지 감소시킬 수 있어 공격의 높은 효과성을 입증한다.
• 제안된 알고리즘은 스케일프리 네트워크와 Facebook 친구 관계 네트워크(n=786, m=12,291)를 포함한 다양한 네트워크 구조에서 뛰어난 성능 유지를 보였다.