[论文解读] Sharp threshold for alignment of graph databases with Gaussian weights

Luca Ganassali|arXiv (Cornell University)|Oct 30, 2020

Privacy-Preserving Technologies in Data参考文献 20被引用 10

一句话总结

本文建立了在相关高斯 Wigner 矩阵中对植根排列进行精确恢复的信息论阈值，表明当且仅当 $ n ho^2 leq (4+ε) \log n + ω(1) $ 时，以高概率可实现精确对齐。分析基于最大 a posteriori (MAP) 估计器与二阶矩方法，揭示在此模型中重构的难度并不高于检测。

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.

研究动机与目标

• 确定在相关加权图数据库中对植根排列进行精确恢复的根本信息论极限。
• 分析在此高斯 Wigner 模型中，边权重相关时，重构是否比检测更困难。
• 利用 MAP 估计器与二阶矩方法，建立精确恢复的精确阈值。
• 比较该模型中精确恢复与检测的难度。

提出的方法

• 建模两个相关对称邻接矩阵 $ A $ 和 $ B $，其中边权重 $ (A_{i,j}, B_{\pi^*(i),\pi^*(j)}) $ 是均值为零、方差为 1 的独立同分布二元正态分布，相关系数 $ \rho \in [0,1] $。
• 分析基于观测到的 $ A $ 和 $ B $ 的排列 $ \hat{\pi} $ 的 MAP 估计器，重点关注其恢复植根排列 $ \pi^* $ 的能力。
• 将二阶矩方法应用于具有负相对能量的排列数量，结合条件高斯分布与相关结构。
• 使用 Payley-Zigmund 不等式，证明在反向条件成立时，此类排列的数量以高概率为正。
• 通过边重叠与协方差分析，推导换位能量波动之间的相关性边界。
• 利用相关系数 $ \sim 1/4 $ 和 $ O(\sqrt{\log n / n}) $ 的高斯尾部概率渐近分析，控制二阶矩。

实验结果

研究问题

• RQ1 在相关高斯 Wigner 矩阵中，对植根排列 $ \pi^* $ 的精确恢复的精确阈值是什么？
• RQ2 在此模型中，精确恢复是否严格比检测更困难，还是两者具有相同的阈值？
• RQ3 排列间能量波动的相关结构如何影响重构的可行性？
• RQ4 二阶矩方法能否在此设定中成功建立精确恢复的反向结果？
• RQ5 换位重叠在能量差相关性中的作用是什么，以及其如何影响二阶矩的边界？

主要发现

• 当 $ n\rho^2 \geq (4+\varepsilon)\log n + \omega(1) $ 时，对任意 $ \varepsilon > 0 $，使用 MAP 估计器可实现以高概率对植根排列 $ \pi^* $ 进行精确恢复。
• 反之，若 $ n\rho^2 \leq 4\log n - \log\log n - \omega(1) $，则任何估计器都无法以 $ o(1) $ 的概率恢复 $ \pi^* $，从而确立了精确阈值。
• 精确恢复的信息论阈值与检测的阈值一致，表明在此模型中重构并不比检测更困难。
• 二阶矩方法成功控制了具有负相对能量的虚假排列数量，表明当阈值被超越时，此类排列极为稀少。
• 换位能量波动之间的相关性对于不相交换位呈 $ O(\sqrt{\log n / n}) $ 的衰减，而对于重叠换位则趋近于 $ 1/4 $，这对边界控制至关重要。
• 分析结果确认，相同的阈值 $ n\rho^2 / \log n \to 4 $ 不仅控制精确恢复，也控制几乎精确恢复与部分恢复（在猜想下）。