[论文解读] Multiscale Evolutionary Perturbation Attack on Community Detection

Jinyin Chen, Yi-Xian Chen+3 more|arXiv (Cornell University)|Oct 22, 2019

Complex Network Analysis Techniques参考文献 43被引用 6

一句话总结

本文提出了一种基于遗传算法的进化扰动攻击（EPA）方法，通过战略性地重连或添加链接，在全局、中尺度和微观尺度上干扰社区检测。EPA 实现了最先进的攻击性能，仅通过极少的链接更改即可成功隐藏目标节点或社区，并在多种社区检测算法间展现出强大的可迁移性。

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.

研究动机与目标

• 为隐私敏感应用中需要隐藏社区结构的需求提供社区欺骗解决方案。
• 在全局（宏观尺度）、目标社区（中尺度）和目标节点（微观尺度）三个尺度上形式化社区检测攻击。
• 开发一种基于优化的攻击方法，在最小化链接修改数量的同时最大化对社区结构的破坏。
• 评估该攻击方法在多种社区检测算法（而不仅目标算法 Louvain）之间的可迁移性。
• 揭示链接脆弱性，为设计鲁棒的社区检测防御机制提供支持。

提出的方法

• EPA 将攻击建模为优化问题，使用遗传算法（GA）演化对抗性网络结构。
• 采用非等长交叉策略，动态调整染色体长度以表示可变数量的链接修改。
• 将网络结构特征（如介数和网络距离）整合到适应度函数中，以引导搜索朝向高影响力扰动。
• 算法演化一组网络配置，选择在最小链接更改下最显著改变社区结构的配置。
• 扰动包括链接重连和添加，重点针对桥接节点和高介数节点以实现最大破坏。
• 该方法在合成网络和真实网络（Football、Email、Pol.Blogs）上进行评估，性能通过度增量和社区偏移指标衡量。

实验结果

研究问题

• RQ1 单一攻击策略是否能通过极少的链接更改，在多个尺度（宏观尺度、中尺度和微观尺度）上有效干扰社区检测？
• RQ2 在多种网络类型中，所提出的 EPA 方法相较于现有基线攻击方法在有效性上表现如何？
• RQ3 EPA 方法在不同社区检测算法（如 Louvain、Infomap 和 EIG）之间的可迁移性达到何种程度？
• RQ4 哪些网络结构特征（如介数、度数、模块度）最能预测攻击成功的有效性？
• RQ5 链接修改类型（重连 vs. 添加）对社区结构破坏的效率和有效性有何影响？

主要发现

• 在所有三种攻击尺度上，EPA 均优于所有基线方法，以最少的链接更改实现了最高的社区结构破坏程度。
• 在 Football 网络中，EPA 在 $T_3$ 目标条件下使目标节点的度增量相比基线方法 $D_r$ 最高提升了 815%。
• 在 Pol.Blogs 网络中，EPA 在 EIG 算法下使 $T_1$ 目标条件的度增量提高了 227%，表明其攻击效果显著。
• EPA 展现出强大的可迁移性：不仅成功攻击了训练所用的 Louvain 算法，还成功攻击了 Infomap、GRE、WAL、EIG 和 SPI 算法。
• 该方法在介数高的桥接节点上尤为有效，这些节点因连接不同社区而对链接扰动更加敏感。
• 在真实网络中，EPA 所需添加的链接数显著少于目标节点的度数，证实了其在微观尺度攻击中的高效性。