[논문 리뷰] Sharp threshold for alignment of graph databases with Gaussian weights

Luca Ganassali|arXiv (Cornell University)|2020. 10. 30.

Privacy-Preserving Technologies in Data참고 문헌 20인용 수 10

한 줄 요약

이 논문은 상관된 가우시안 위그너 행렬에서 심은 순열의 정확한 복원을 위한 정보이론적 날카로운 임계값을 확립한다. 정확한 정렬이 높은 확률로 가능할 조건은 $ n\rho^2 \geq (4+\varepsilon)\log n + \omega(1) $ 인 경우에만 성립한다. 분석은 MAP 추정기와 두 번째 모멘트 방법에 기반하며, 이 모델에서 재구성은 탐지보다 더 어렵지 않다는 것을 드러낸다.

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.

연구 동기 및 목표

• 심은 순열의 정확한 복원에 대한 기본 정보이론적 한계를 규명하는 것.
• 상관된 간선 가중치를 가진 가우시안 위그너 모델에서 재구성이 탐지보다 더 어려운가 분석하는 것.
• MAP 추정기와 두 번째 모멘트 방법을 사용하여 정확한 복원을 위한 날카로운 임계값을 설정하는 것.
• 동일한 모델 내에서 정확한 복원의 어려움과 탐지의 어려움을 비교하는 것.

제안 방법

• 상관된 대칭 인접 행렬 $ A $ 와 $ B $ 를 모델링하며, 간선 가중치 $ (A_{i,j}, B_{\pi^*(i),\pi^*(j)}) $ 는 평균이 0이고 분산이 1이며 상관계수 $ \rho \in [0,1] $ 인 이변량 가우시안 분포를 따르도록 한다.
• 관측된 $ A $ 와 $ B $ 를 바탕으로 순열 $ \hat{\pi} $ 에 대한 MAP 추정기를 분석하며, 이가 심은 순열 $ \pi^* $ 를 복원할 수 있는 능력을 중점적으로 다룬다.
• 조건부 가우시안 분포와 상관 구조를 활용하여, 상대 에너지가 음수인 순열의 수에 대해 두 번째 모멘트 방법을 적용한다.
• 반대로 조건이 성립할 경우 이러한 순열의 수가 높은 확률로 양수임을 보이기 위해 Payley-Zigmund 부등식을 활용한다.
• 간선 겹침과 공분산 분석을 통해 치환의 에너지 변동 간 상관관계를 유도한다.
• 상관계수 $ \sim 1/4 $ 와 $ O(\sqrt{\log n / n}) $ 인 가우시안 尾확률의 渐近적 분석을 통해 두 번째 모멘트를 제어한다.

실험 결과

연구 질문

• RQ1 상관된 가우시안 위그너 행렬에서 심은 순열 $ \pi^* $ 의 정확한 복원을 위한 날카로운 임계값은 무엇인가?
• RQ2 이 모델에서 정확한 복원은 탐지보다 엄격히 더 어려운가, 아니면 둘 다 동일한 임계값을 공유하는가?
• RQ3 순열 간 에너지 변동의 상관 구조는 재구성 가능성에 어떤 영향을 미치는가?
• RQ4 이 설정에서 두 번째 모멘트 방법을 통해 정확한 복원에 대한 역방향 결과를 성공적으로 확립할 수 있는가?
• RQ5 치환 겹침의 역할은 에너지 차이의 상관관계에 어떻게 영향을 미치며, 이는 두 번째 모멘트의 경계에 어떤 영향을 미치는가?

주요 결과

• 모든 $ \varepsilon > 0 $ 에 대해 $ n\rho^2 \geq (4+\varepsilon)\log n + \omega(1) $ 를 만족할 경우, MAP 추정기를 사용하여 심은 순열 $ \pi^* $ 의 정확한 복원이 높은 확률로 가능하다.
• 반대로, $ n\rho^2 \leq 4\log n - \log\log n - \omega(1) $ 라면 어떤 추정기라도 $ \pi^* $ 를 확률 $ o(1) $ 이하로 복원할 수 없으며, 이는 날카로운 임계값을 확립한다.
• 정확한 복원의 정보이론적 임계값은 탐지의 임계값과 일치하며, 이는 이 모델에서 재구성이 탐지보다 더 어렵지 않다는 것을 의미한다.
• 두 번째 모멘트 방법은 상대 에너지가 음수인 잘못된 순열의 수를 성공적으로 제어하며, 이는 임계값을 초과할 경우 이러한 순열이 희귀하다는 것을 보여준다.
• 서로소인 치환의 에너지 변동 간 상관관계는 $ O(\sqrt{\log n / n}) $ 으로 감소하고, 겹치는 치환의 경우 약 $ 1/4 $ 에 수렴하며, 이는 두 번째 모멘트의 경계를 확보하는 데 핵심적이다.
• 분석 결과, 정확한 복원 뿐 아니라 거의 정확한 복원과 부분 복원에 대해서도 동일한 임계값 $ n\rho^2 / \log n \to 4 $ 가 적용된다는 것이 확인되었다.