論文の概要: Attacking and Securing Community Detection: A Game-Theoretic Framework

• arxiv url: http://arxiv.org/abs/2512.11359v1
• Date: Fri, 12 Dec 2025 08:17:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-15 15:48:11.699003
• Title: Attacking and Securing Community Detection: A Game-Theoretic Framework
• Title（参考訳）: コミュニティ検出の攻撃とセキュア化:ゲーム理論フレームワーク
• Authors: Yifan Niu, Aochuan Chen, Tingyang Xu, Jia Li,
• Abstract要約: 逆グラフは、ディープグラフモデルが分類タスクで失敗する可能性がある。 本稿では,コミュニティ検出問題に対する新たな攻撃・防御手法を提案する。 これらの技術は、ソーシャルネットワークにおける個人のプライバシーを保護するなど、現実世界のシナリオに多くの応用がある。
• 参考スコア（独自算出の注目度）: 22.20017945724223
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: It has been demonstrated that adversarial graphs, i.e., graphs with imperceptible perturbations, can cause deep graph models to fail on classification tasks. In this work, we extend the concept of adversarial graphs to the community detection problem, which is more challenging. We propose novel attack and defense techniques for community detection problem, with the objective of hiding targeted individuals from detection models and enhancing the robustness of community detection models, respectively. These techniques have many applications in real-world scenarios, for example, protecting personal privacy in social networks and understanding camouflage patterns in transaction networks. To simulate interactive attack and defense behaviors, we further propose a game-theoretic framework, called CD-GAME. One player is a graph attacker, while the other player is a Rayleigh Quotient defender. The CD-GAME models the mutual influence and feedback mechanisms between the attacker and the defender, revealing the dynamic evolutionary process of the game. Both players dynamically update their strategies until they reach the Nash equilibrium. Extensive experiments demonstrate the effectiveness of our proposed attack and defense methods, and both outperform existing baselines by a significant margin. Furthermore, CD-GAME provides valuable insights for understanding interactive attack and defense scenarios in community detection problems. We found that in traditional single-step attack or defense, attacker tends to employ strategies that are most effective, but are easily detected and countered by defender. When the interactive game reaches a Nash equilibrium, attacker adopts more imperceptible strategies that can still achieve satisfactory attack effectiveness even after defense.
• Abstract（参考訳）: 逆グラフ、すなわち知覚できない摂動を持つグラフは、深いグラフモデルが分類タスクで失敗する可能性があることが示されている。 本研究では, 逆グラフの概念をコミュニティ検出問題に拡張する。 本研究では,コミュニティ検出モデルから対象個人を隠蔽し,コミュニティ検出モデルの堅牢性を高めることを目的とした,コミュニティ検出問題に対する新たな攻撃・防御手法を提案する。 これらの技術は、ソーシャルネットワークにおける個人のプライバシ保護や、トランザクションネットワークにおけるカモフラージュパターンの理解など、現実世界のシナリオに多くの応用がある。 インタラクティブアタックと防御動作をシミュレートするために,CD-GAMEと呼ばれるゲーム理論フレームワークを提案する。 1人のプレイヤーはグラフ攻撃者であり、もう1人のプレイヤーはレイリー・クオシアンディフェンダーである。 CD-GAMEは、攻撃者とディフェンダーの間の相互影響とフィードバックのメカニズムをモデル化し、ゲームの動的な進化過程を明らかにする。 どちらのプレイヤーもナッシュ均衡に達するまで戦略を動的に更新する。 大規模実験により,提案手法の有効性を実証し,既存のベースラインをかなりの差で上回る結果を得た。 さらに、CD-GAMEは、コミュニティ検出問題におけるインタラクティブアタックと防御シナリオを理解するための貴重な洞察を提供する。 従来のシングルステップ攻撃や防御では、攻撃者は最も効果的だが容易に検出され、防御者によって対抗される戦略を採用する傾向にあることがわかった。 対話ゲームがナッシュ均衡に達すると、攻撃者は防御後も良好な攻撃効果を達成できる、より理解できない戦略を採用する。

関連論文リスト

• CyGATE: Game-Theoretic Cyber Attack-Defense Engine for Patch Strategy Optimization [73.13843039509386]
  本稿では,攻撃と防御の相互作用をモデル化するゲーム理論フレームワークCyGATEを提案する。 CyGATEはサイバー・キル・チェーン(Cyber Kill Chain)の段階にわたって、サイバー紛争を部分的に観察可能なゲーム(POSG)として捉えている。 フレームワークの柔軟なアーキテクチャは、マルチエージェントシナリオの拡張を可能にする。
  論文  参考訳（メタデータ） (2025-08-01T09:53:06Z)
• Chasing Moving Targets with Online Self-Play Reinforcement Learning for Safer Language Models [64.47869632167284]
  従来の言語モデル(LM)の安全性アライメントは、リアクティブで非結合な手順に依存している。 このシーケンシャルなアプローチはミスマッチを生み出し、攻撃者は時代遅れの防御に過度に適合する一方、守備側は出現する脅威に常に遅れをとどめている。 我々は,攻撃者と防御エージェントが継続的なインタラクションを通じて共進化するオンラインセルフプレイ強化学習アルゴリズムであるSelf-RedTeamを提案する。
  論文  参考訳（メタデータ） (2025-06-09T06:35:12Z)
• IDEA: Invariant Defense for Graph Adversarial Robustness [60.0126873387533]
  敵攻撃に対する不変因果判定法(IDEA)を提案する。 我々は,情報理論の観点から,ノードと構造に基づく分散目標を導出する。 実験によると、IDEAは5つのデータセットすべてに対する5つの攻撃に対して、最先端の防御性能を達成している。
  論文  参考訳（メタデータ） (2023-05-25T07:16:00Z)
• Are Defenses for Graph Neural Networks Robust? [72.1389952286628]
  グラフニューラルネットワーク(GNN)のディフェンスのほとんどは、未定義のベースラインに比べて、限界的な改善がまったく、あるいはのみであることを示す。 我々は、カスタムアダプティブアタックをゴールドスタンダードとして使用することを提唱し、そのようなアタックをうまく設計して学んだ教訓を概説する。 私たちの多彩な摂動グラフのコレクションは、モデルの堅牢性について一目でわかる(ブラックボックス)単体テストを形成します。
  論文  参考訳（メタデータ） (2023-01-31T15:11:48Z)
• Adversarial Machine Learning and Defense Game for NextG Signal Classification with Deep Learning [1.1726528038065764]
  NextGシステムは、ユーザ機器の識別、物理層認証、既存ユーザの検出など、さまざまなタスクにディープニューラルネットワーク(DNN)を使用することができる。 本稿では,深層学習に基づくNextG信号分類のための攻撃と防御の相互作用を研究するゲーム理論フレームワークを提案する。
  論文  参考訳（メタデータ） (2022-12-22T15:13:03Z)
• Adversarial Online Learning with Variable Plays in the Pursuit-Evasion Game: Theoretical Foundations and Application in Connected and Automated Vehicle Cybersecurity [5.9774834479750805]
  対戦型・非確率型マルチアームバンディット(MPMAB)は,演奏するアームの数が変動している場合に拡張する。 この作業は、相互接続された輸送システムにおいて、異なる重要な場所をスキャンするために割り当てられたリソースが、時間とともに、環境によって動的に変化するという事実によって動機付けられている。
  論文  参考訳（メタデータ） (2021-10-26T23:09:42Z)
• Game Theory for Adversarial Attacks and Defenses [0.0]
  敵攻撃は、データセットのサンプルに小さなが故意に最悪の摂動を適用することで、敵の入力を生成することができる。 いくつかの敵防衛技術は、モデルの安全性と堅牢性を改善し、攻撃を避けるために開発されている。
  論文  参考訳（メタデータ） (2021-10-08T07:38:33Z)
• Online Alternate Generator against Adversarial Attacks [144.45529828523408]
  ディープラーニングモデルは、実際の画像に準知覚可能なノイズを加えることによって合成される敵の例に非常に敏感である。 対象ネットワークのパラメータをアクセスしたり変更したりする必要のない,ポータブルな防御手法であるオンライン代替ジェネレータを提案する。 提案手法は,入力画像のスクラッチから別の画像をオンライン合成することで,対向雑音を除去・破壊する代わりに機能する。
  論文  参考訳（メタデータ） (2020-09-17T07:11:16Z)
• A Theory of Hypergames on Graphs for Synthesizing Dynamic Cyber Defense with Deception [24.11353445650682]
  本稿では,デコイシステムを備えたサイバーネットワークにおいて,反応防衛戦略を形式的手法で合成する手法を提案する。 まず,形式的なグラフィカル・セキュリティ・モデルであるアタック・グラフを一般化し,アタック・ディフェンス・ゲーム(アタック・ディフェンス・ゲーム)と呼ばれるゲーム理論モデルにディフェンダーの対策を組み込む。 攻撃と防御の相互作用においてデコイが生成する非対称な情報をモデル化するためのハイパーゲームのクラスを導入する。
  論文  参考訳（メタデータ） (2020-08-07T14:59:28Z)

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。