論文の概要: Evading Community Detection via Counterfactual Neighborhood Search

• arxiv url: http://arxiv.org/abs/2310.08909v2
• Date: Fri, 7 Jun 2024 20:34:53 GMT
• ステータス: 処理完了
• システム内更新日: 2024-06-12 04:57:42.923081
• Title: Evading Community Detection via Counterfactual Neighborhood Search
• Title（参考訳）: 実測近傍探索によるコミュニティ検出
• Authors: Andrea Bernini, Fabrizio Silvestri, Gabriele Tolomei,
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 10.990525728657747
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Community detection techniques are useful for social media platforms to discover tightly connected groups of users who share common interests. However, this functionality often comes at the expense of potentially exposing individuals to privacy breaches by inadvertently revealing their tastes or preferences. Therefore, some users may wish to preserve their anonymity and opt out of community detection for various reasons, such as affiliation with political or religious organizations, without leaving the platform. In this study, we address the challenge of community membership hiding, which involves strategically altering the structural properties of a network graph to prevent one or more nodes from being identified by a given community detection algorithm. We tackle this problem by formulating it as a constrained counterfactual graph objective, and we solve it via deep reinforcement learning. Extensive experiments demonstrate that our method outperforms existing baselines, striking the best balance between accuracy and cost.
• Abstract（参考訳）: コミュニティ検出技術は、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グループを見つけるのに有用である。 しかし、この機能は、自分の好みや好みを不注意に明らかにすることで、個人をプライバシー侵害に晒す恐れがあるため、しばしば犠牲にされる。 そのため、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ユーザーもいる。 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。 制約付き対実グラフの目的として定式化することでこの問題に対処し、深層強化学習を用いて解決する。 大規模な実験により,提案手法は既存のベースラインよりも優れており,精度とコストのバランスが良好であることが示された。

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)
• Transaction Fraud Detection via an Adaptive Graph Neural Network [64.9428588496749]
  本稿では,アダプティブサンプリングとアグリゲーションに基づくグラフニューラルネットワーク(ASA-GNN)を提案する。 ノイズの多いノードをフィルタリングし、不正なノードを補うために、隣のサンプリング戦略を実行する。 3つのファイナンシャルデータセットの実験により,提案手法のASA-GNNは最先端のデータセットよりも優れていることが示された。
  論文  参考訳（メタデータ） (2023-07-11T07:48:39Z)
• Cross-Network Social User Embedding with Hybrid Differential Privacy Guarantees [81.6471440778355]
  プライバシー保護方式でユーザを包括的に表現するために,ネットワーク横断型ソーシャルユーザ埋め込みフレームワークDP-CroSUEを提案する。 特に、各異種ソーシャルネットワークに対して、異種データ型に対するプライバシー期待の変化を捉えるために、まずハイブリッドな差分プライバシーの概念を導入する。 ユーザ埋め込みをさらに強化するため、新しいネットワーク間GCN埋め込みモデルは、それらの整列したユーザを介して、ネットワーク間で知識を伝達するように設計されている。
  論文  参考訳（メタデータ） (2022-09-04T06:22:37Z)
• Relational Graph Neural Networks for Fraud Detection in a Super-App environment [53.561797148529664]
  スーパーアプリケーションの金融サービスにおける不正行為防止のための関係グラフ畳み込みネットワーク手法の枠組みを提案する。 我々は,グラフニューラルネットワークの解釈可能性アルゴリズムを用いて,ユーザの分類タスクに対する最も重要な関係を判定する。 以上の結果から,Super-Appの代替データと高接続性で得られるインタラクションを利用するモデルには,付加価値があることが示唆された。
  論文  参考訳（メタデータ） (2021-07-29T00:02:06Z)
• Community Detection for Access-Control Decisions: Analysing the Role of Homophily and Information Diffusion in Online Social Networks [0.0]
  ACL(Access-Control Lists)は、オンラインソーシャルネットワーク(OSN)の最も重要なプライバシー機能のひとつである。 本研究は,OSNにおけるACLの自動生成におけるコミュニティ検出アルゴリズムの利用について検討する。
  論文  参考訳（メタデータ） (2021-04-19T08:49:59Z)
• 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)
• A multilevel clustering technique for community detection [0.0]
  本研究では,ネットワーク内の関連コミュニティを識別するスケーラブルなフレームワークに基づく新しい検出手法を提案する。 マイクロコズムと呼ばれる地域社会を識別するために構造的およびテキスト的情報を活用するマルチレベルクラスタリング手法(MCT)を提案する。 このアプローチは、低レベルのコミュニティがTwitterでどのように進化し、行動するかを説明するためのより良い理解と明快さを提供します。
  論文  参考訳（メタデータ） (2021-01-16T23:26:44Z)
• Certified Robustness of Community Detection against Adversarial Structural Perturbation via Randomized Smoothing [81.71105567425275]
  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。
  論文  参考訳（メタデータ） (2020-02-09T18:39:39Z)
• 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。