[論文レビュー] Time-aware Gradient Attack on Dynamic Network Link Prediction

Jinyin Chen, Jian Zhang+3 more|arXiv (Cornell University)|Nov 24, 2019

Advanced Graph Neural Networks参考文献 25被引用数 13

ひとこと要約

本稿では、動的ネットワークリンク予測（DNLP）のための最初の敵対的攻撃フレームワークである時刻に配慮した勾配攻撃（TGA）を紹介する。TGAは、深層動的ネットワーク埋め込み（DDNE）からの勾配を活用し、標的エッジを隠すために戦略的にリンクを再接続する。TGA-TraとTGA-Greは、Ethereumを含む実世界のネットワークにおいて、高い効率性と効果性を示し、トップ100のリンクで81%の攻撃成功率と平均5.61の攻撃損失を達成する。

ABSTRACT

In network link prediction, it is possible to hide a target link from being predicted with a small perturbation on network structure. This observation may be exploited in many real world scenarios, for example, to preserve privacy, or to exploit financial security. There have been many recent studies to generate adversarial examples to mislead deep learning models on graph data. However, none of the previous work has considered the dynamic nature of real-world systems. In this work, we present the first study of adversarial attack on dynamic network link prediction (DNLP). The proposed attack method, namely time-aware gradient attack (TGA), utilizes the gradient information generated by deep dynamic network embedding (DDNE) across different snapshots to rewire a few links, so as to make DDNE fail to predict target links. We implement TGA in two ways: one is based on traversal search, namely TGA-Tra; and the other is simplified with greedy search for efficiency, namely TGA-Gre. We conduct comprehensive experiments which show the outstanding performance of TGA in attacking DNLP algorithms.

研究の動機と目的

• 動的ネットワークリンク予測（DNLP）における敵対的攻撃研究の不足に取り組むこと。これは、グラフ機械学習のセキュリティ分野における重要なギャップである。
• 時間的変化を考慮した勾配ベースの攻撃を開発し、進化するネットワーク内の特定の標的リンクを予測から隠すこと。
• 最小限の構造的摂動で予測の失敗を最大化する、効率的かつ効果的な攻撃手法を設計すること。
• Ethereum取引データを含む実世界の動的ネットワーク上で攻撃を検証し、実用的妥当性を示すこと。
• 敵対的条件下でのDNLPモデルの耐性を調査し、モデルの脆弱性に関する洞察を明らかにすること。

提案手法

• TGAは、複数の時間スナップショットにわたるDDNEモデルからの勾配情報を活用し、最適なリンク変更を同定する。
• TGA-Traは、スナップショット間の時刻に配慮した勾配集約を用いて、候補リンクの走査ベースの探索を実行する。
• TGA-Greは計算コストを低減するために貪欲な探索戦略を採用し、高い攻撃効果性を維持する。
• 勾配の大きさが大きいエッジを標的にすることで、最小限のリンク変更で、DDNEの予測に最も影響を与えるリンクに焦点を当てる。
• 時刻に配慮した勾配計算は、スナップショットごとに別々に勾配を比較し、集約するのではなく、時間的ダイナミクスを保持する。
• 反復的に適用され、進化する勾配信号に基づいてリンク変更を段階的に最適化し、予測の失敗を最大化する。

実験結果

リサーチクエスチョン

• RQ1 時間的進化を考慮した動的ネットワークリンク予測における敵対的攻撃を、どのように効果的に設計できるか？
• RQ2 時間的ダイナミクスは、勾配ベースの敵対的攻撃の成功度と効率性にどのような影響を与えるか？
• RQ3 TGAの攻撃性能は、異なるネットワークタイプやリンク中心性指標において、既存のベースラインと比較してどうなるか？
• RQ4 敵対的操作下での長期的および長期間履歴を考慮したDNLP予測の脆弱性は何か？
• RQ5 TGAは、ブロックチェーン取引システムのような実世界の動的ネットワークに実用的に適用可能か？

主な発見

• TGA-TraとTGA-Greは、4つの実世界の動的ネットワークで最先端の攻撃性能を達成し、すべてのベースラインを攻撃成功率と攻撃損失の両面で上回った。
• Ethereum取引ネットワークでは、TGA-Greがトップ100のリンクで81%の攻撃成功率と平均5.61の攻撃損失を達成し、強力な実用的妥当性を示した。
• 長期予測タスクは敵対的攻撃に対してより脆弱であり、将来的なリンク予測がより簡単に妨害されうることを示唆している。
• DDNEにより長い履歴情報を組み込むことで、モデルの耐性が向上し、敵対的摂動に対する脆弱性が低下した。
• TGA-GreはFGAと同等の実行時間でありながら、特に早期停止が適用された場合に、攻撃効果性で顕著に優れていた。
• 高次数または高Betweenness中心性のリンクを標的にしても攻撃は効果的であり、中心性に基づく防御に対して耐性があることが示された。