[논문 리뷰] Multiscale Evolutionary Perturbation Attack on Community Detection

Jinyin Chen, Yi-Xian Chen외 3명|arXiv (Cornell University)|2019. 10. 22.

Complex Network Analysis Techniques참고 문헌 43인용 수 6

한 줄 요약

이 논문은 유전 알고리즘을 사용하여 글로벌, 메조스케일, 마이크로스케일의 세 가지 척도에서 공동체 탐지에 영향을 주기 위해 전략적으로 링크를 재연결하거나 추가하는 데 사용되는 진화적 편향 공격(EPA) 방법을 제안한다. EPA는 최소한의 링크 변경으로 목표 노드나 공동체를 효과적으로 숨기며, 최신 기술 수준의 공격 성능을 달성하며, 다양한 공동체 탐지 알고리즘 간에 뛰어난 이식성(transferability)을 보여준다.

ABSTRACT

Community detection, aiming to group nodes based on their connections, plays an important role in network analysis, since communities, treated as meta-nodes, allow us to create a large-scale map of a network to simplify its analysis. However, for privacy reasons, we may want to prevent communities from being discovered in certain cases, leading to the topics on community deception. In this paper, we formalize this community detection attack problem in three scales, including global attack (macroscale), target community attack (mesoscale) and target node attack (microscale). We treat this as an optimization problem and further propose a novel Evolutionary Perturbation Attack (EPA) method, where we generate adversarial networks to realize the community detection attack. Numerical experiments validate that our EPA can successfully attack network community algorithms in all three scales, i.e., hide target nodes or communities and further disturb the community structure of the whole network by only changing a small fraction of links. By comparison, our EPA behaves better than a number of baseline attack methods on six synthetic networks and three real-world networks. More interestingly, although our EPA is based on the louvain algorithm, it is also effective on attacking other community detection algorithms, validating its good transferability.

연구 동기 및 목표

• 공동체 구조를 은폐해야 하는 프라이버시에 민감한 응용 분야에서 공동체 속임수를 해결하기 위함.
• 글로벌(매크로스케일), 목표 공동체(메조스케일), 목표 노드(마이크로스케일)의 세 가지 척도에서 공동체 탐지 공격을 체계화하기 위함.
• 링크 수정 수를 최소화하면서 공동체 구조의 혼란을 최대화하는 최적화 기반의 공격 방법 개발.
• Louvain 알고리즘 외의 다양한 공동체 탐지 알고리즘 간 공격의 이식성 평가.
• 링크 취약성에 대한 통찰을 제공하고, 강력한 공동체 탐지 방어 전략 설계를 지원하기 위함.

제안 방법

• EPA는 공격를 최적화 문제로 공식화하며, 적대적 네트워크 구조를 기하학적 진화 알고리즘(GA)을 사용해 진화시킨다.
• 비균형 교차 전략을 통해 염색체 길이를 동적으로 조정하여 변동하는 링크 수정 수를 표현한다.
• 네트워크 구조적 특성—예를 들어, 중간성(Betweenness)과 네트워크 거리—를 적합도 함수에 통합하여 영향력 있는 편향을 유도하는 데 도움을 준다.
• 알고리즘은 네트워크 구성의 집단을 진화시키며, 최소한의 링크 변경으로 공동체 구조를 가장 크게 변화시키는 구성들을 선별한다.
• 편향은 링크 재연결과 추가를 모두 포함하며, 최대한의 혼란을 유도하기 위해 다리 노드와 고중간성 노드를 집중적으로 타깃으로 삼는다.
• 성능 평가에 실세계 네트워크(풋볼, 이메일, Pol.Blogs)와 합성 네트워크를 모두 사용하였으며, 차수 증가 및 공동체 이동 지표를 통해 성능을 측정하였다.

실험 결과

연구 질문

• RQ1 최소한의 링크 변경으로 매크로스케일, 메조스케일, 마이크로스케일의 다수 척도에서 공동체 탐지에 효과적으로 영향을 주는 단일 공격 전략이 가능한가?
• RQ2 다양한 네트워크 유형에서 기존의 기준 공격 방법과 비교해 본다면, 제안된 EPA 방법의 효과성은 어떻게 평가되는가?
• RQ3 Louvain 외에 Infomap, EIG 등의 다양한 공동체 탐지 알고리즘 간에 EPA 방법의 이식성은 어느 정도인가?
• RQ4 어느 네트워크 구조적 특성(예: 중간성, 차수, 모듈러리티)이 효과적인 공격 성공에 가장 예측 가능성이 높은가?
• RQ5 링크 수정 유형(재연결 대비 추가)이 공동체 구조 혼란의 효율성과 효과성에 어떤 영향을 미치는가?

주요 결과

• EPA는 모든 세 가지 공격 척도에서 모든 기준 방법보다 뛰어난 성능을 보이며, 최소한의 링크 변경으로 공동체 구조 혼란도를 최대화했다.
• 풋볼 네트워크에서, EPA는 $T_3$ 타깃 조건 하에서 기준 방법 $D_r$ 대비 목표 노드의 차수 증가율을 최대 815%까지 감소시켰다.
• Pol.Blogs 네트워크에서, EPA는 EIG 알고리즘 하에서 $T_1$ 타깃 조건에서 차수 증가율을 227%까지 증가시켜 강력한 공격 효능을 입증했다.
• EPA는 뛰어난 이식성을 보였다: 훈련된 Louvain 알고리즘 외에도 Infomap, GRE, WAL, EIG, SPI 알고리즘까지 성공적으로 공격했다.
• 특히 다수의 공동체를 연결하는 다리 노드이자 고중간성 노드는 링크 편향에 더 민감하므로, 이러한 노드에 대한 공격이 특히 효과적이었다.
• 실세계 네트워크에서, EPA는 목표 노드의 차수보다 훨씬 적은 수의 추가 링크로 공격를 성공시켜 마이크로스케일 공격의 효율성을 입증했다.