論文の概要: Certified Robustness of Community Detection against Adversarial
Structural Perturbation via Randomized Smoothing
- arxiv url: http://arxiv.org/abs/2002.03421v2
- Date: Tue, 15 Sep 2020 01:58:17 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-02 15:02:27.237968
- Title: Certified Robustness of Community Detection against Adversarial
Structural Perturbation via Randomized Smoothing
- Title（参考訳）: ランダム化平滑化による逆行構造摂動に対するコミュニティ検出の認定ロバスト性
- Authors: Jinyuan Jia, Binghui Wang, Xiaoyu Cao, Neil Zhenqiang Gong
- Abstract要約: 本研究は, 対向構造摂動に対するコミュニティ検出の信頼性保証を初めて開発した。
このスムーズなコミュニティ検出手法は,任意のノード群を同一のコミュニティにグループ化する。
また,本手法を複数の実世界グラフ上で実験的に評価した。
- 参考スコア（独自算出の注目度）: 81.71105567425275
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Community detection plays a key role in understanding graph structure.
However, several recent studies showed that community detection is vulnerable
to adversarial structural perturbation. In particular, via adding or removing a
small number of carefully selected edges in a graph, an attacker can manipulate
the detected communities. However, to the best of our knowledge, there are no
studies on certifying robustness of community detection against such
adversarial structural perturbation. In this work, we aim to bridge this gap.
Specifically, we develop the first certified robustness guarantee of community
detection against adversarial structural perturbation. Given an arbitrary
community detection method, we build a new smoothed community detection method
via randomly perturbing the graph structure. We theoretically show that the
smoothed community detection method provably groups a given arbitrary set of
nodes into the same community (or different communities) when the number of
edges added/removed by an attacker is bounded. Moreover, we show that our
certified robustness is tight. We also empirically evaluate our method on
multiple real-world graphs with ground truth communities.
- Abstract（参考訳）: コミュニティ検出は、グラフ構造を理解する上で重要な役割を果たす。
しかし、近年の研究では、コミュニティ検出は対向構造摂動に弱いことが示されている。
特に、グラフに慎重に選択された少数のエッジを追加または削除することで、攻撃者は検出されたコミュニティを操作できる。
しかし,我々の知る限り,このような対向的構造摂動に対するコミュニティ検出の堅牢性を証明する研究は存在しない。
この作業では、このギャップを埋めることを目指しています。
具体的には, 対向構造摂動に対するコミュニティ検出の信頼性保証を初めて開発した。
任意のコミュニティ検出方法を与えられた場合,グラフ構造をランダムに摂動させることで,新しい平滑化コミュニティ検出手法を構築する。
このスムーズなコミュニティ検出手法は,攻撃者が付加・削除したエッジの数が有界である場合に,任意のノード群を同一のコミュニティ(または異なるコミュニティ)にグループ化する。
さらに、認定された堅牢性は厳密であることを示す。
また,本手法を複数の実世界グラフ上で実験的に評価した。
関連論文リスト
- Private Online Community Detection for Censored Block Models [60.039026645807326]
検閲ブロックモデル(CBM)を用いた動的コミュニティにおけるプライベートオンライン変更検出問題について検討する。
ユーザのプライバシーを維持しつつ,コミュニティ構造の変化を識別するアルゴリズムを提案する。
論文 参考訳（メタデータ） (2024-05-09T12:35:57Z) - Evading Community Detection via Counterfactual Neighborhood Search [10.990525728657747]
コミュニティ検出は、ソーシャルメディアプラットフォームが共通の関心を共有しているユーザーの密接な結び付きのあるグループを見つけるのに有用である。
一部のユーザーは、プラットフォームを離れることなく、政治的、宗教的な組織との連携など、様々な理由で匿名性を維持し、コミュニティ検出をオプトアウトしたいと考えるかもしれない。
本研究では,ネットワークグラフの構造的特性を戦略的に変更して,与えられたコミュニティ検出アルゴリズムによって1つ以上のノードが識別されるのを防ぐ,コミュニティメンバシップ隠蔽の課題に対処する。
論文 参考訳（メタデータ） (2023-10-13T07:30:50Z) - A Comprehensive Review of Community Detection in Graphs [10.683947241960178]
複雑なネットワークの研究は、我々のコミュニティ構造に対する理解を著しく前進させてきた。
グラフ内のコミュニティを検出することは、社会学、生物学、計算機科学の応用において難しい問題である。
本稿では, グラフにおけるコミュニティ検出の話題について概説し, 様々なコミュニティ検出手法の徹底的な解説を行う。
論文 参考訳（メタデータ） (2023-09-21T06:04:06Z) - Spatial-Frequency Discriminability for Revealing Adversarial Perturbations [53.279716307171604]
敵の摂動に対するディープニューラルネットワークの脆弱性は、コンピュータビジョンコミュニティで広く認識されている。
現在のアルゴリズムは、通常、自然および敵対的なデータの識別的分解を通じて、敵のパターンを検出する。
空間周波数Krawtchouk分解に基づく識別検出器を提案する。
論文 参考訳（メタデータ） (2023-05-18T10:18:59Z) - Uncovering the Local Hidden Community Structure in Social Networks [20.467702194064525]
本稿では,元のネットワークからサンプリングしたサブグラフ上で各レイヤを反復的に検出・増強する手法を提案する。
本手法は, 崩壊したコミュニティと地域コミュニティが, サブグラフの1つのコミュニティと見なされる状況を回避することができることを示す。
論文 参考訳（メタデータ） (2021-12-08T04:07:19Z) - Self-Supervised Predictive Convolutional Attentive Block for Anomaly
Detection [97.93062818228015]
本稿では,再建に基づく機能を,新たな自己監督型予測アーキテクチャビルディングブロックに統合することを提案する。
我々のブロックは、受容領域におけるマスク領域に対する再構成誤差を最小限に抑える損失を備える。
画像やビデオの異常検出のための最先端フレームワークに組み込むことで,ブロックの汎用性を実証する。
論文 参考訳（メタデータ） (2021-11-17T13:30:31Z) - Community detection in censored hypergraph [8.790193989856403]
情報理論の観点から,検閲付き$m$-uniformハイパーグラフのコミュニティ検出について検討した。
本稿では,コミュニティ構造をしきい値まで正確に復元するスペクトル時間アルゴリズムを提案する。
また、1つのスペクトルアルゴリズムがしきい値を洗練しないかどうかの研究も興味深い。
論文 参考訳（メタデータ） (2021-11-04T22:03:20Z) - Hide and Seek: Outwitting Community Detection Algorithms [17.144388833011536]
ネットワーク内のノードのコンテキスト位置を決定する上で,コミュニティ提携は重要な役割を果たす。
本研究は,そのようなセンシティブなコミュニティを隠して,対象ノードのコミュニティ関連を隠蔽することに焦点を当てている。
我々は,ノード中心の目的関数を厳格に最適化し,スイッチング戦略を決定する新手法であるNEURALを紹介する。
論文 参考訳（メタデータ） (2021-02-22T03:50:44Z) - On the use of local structural properties for improving the efficiency
of hierarchical community detection methods [77.34726150561087]
本研究では,階層型コミュニティ検出の効率向上のために,局所構造ネットワーク特性をプロキシとして利用する方法について検討する。
また,ネットワークプルーニングの性能への影響を,階層的コミュニティ検出をより効率的にするための補助的手法として検証する。
論文 参考訳（メタデータ） (2020-09-15T00:16:12Z) - Adversarial Attack on Community Detection by Hiding Individuals [68.76889102470203]
我々はブラックボックス攻撃に焦点をあて、ディープグラフコミュニティ検出モデルの検出からターゲット個人を隠すことを目的としている。
本稿では,制約付きグラフ生成器として動作するモジュールと,サロゲート型コミュニティ検出モデルとして動作するモジュールを交互に更新する反復学習フレームワークを提案する。
論文 参考訳（メタデータ） (2020-01-22T09:50:04Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。