論文の概要: RABot: Reinforcement-Guided Graph Augmentation for Imbalanced and Noisy Social Bot Detection

• arxiv url: http://arxiv.org/abs/2602.21749v1
• Date: Wed, 25 Feb 2026 10:02:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-26 18:19:16.788606
• Title: RABot: Reinforcement-Guided Graph Augmentation for Imbalanced and Noisy Social Bot Detection
• Title（参考訳）: RABot:不均衡でノイズの多いソーシャルボット検出のための強化ガイド付きグラフ強化
• Authors: Longlong Zhang, Xi Wang, Haotong Du, Yangyi Xu, Zhuo Liu, Yang Liu,
• Abstract要約: ソーシャルボット検出は、オンライン情報エコシステムの整合性を保護するために重要である。 最近のグラフニューラルネットワーク(GNN)ソリューションは強力な結果をもたらすが、2つの実践的な課題によって妨げられている。 強化誘導グラフ強化社会ボット検出器(RABot)を提案する。 RABotは、局所的な部分グラフ内の少数派クラスの埋め込みを線形に補間する、近隣対応のオーバーサンプリング戦略を採用している。
• 参考スコア（独自算出の注目度）: 16.050137938655364
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Social bot detection is pivotal for safeguarding the integrity of online information ecosystems. Although recent graph neural network (GNN) solutions achieve strong results, they remain hindered by two practical challenges: (i) severe class imbalance arising from the high cost of generating bots, and (ii) topological noise introduced by bots that skillfully mimic human behavior and forge deceptive links. We propose the Reinforcement-guided graph Augmentation social Bot detector (RABot), a multi-granularity graph-augmentation framework that addresses both issues in a unified manner. RABot employs a neighborhood-aware oversampling strategy that linearly interpolates minority-class embeddings within local subgraphs, thereby stabilizing the decision boundary under low-resource regimes. Concurrently, a reinforcement-learning-driven edge-filtering module combines similarity-based edge features with adaptive threshold optimization to excise spurious interactions during message passing, yielding a cleaner topology. Extensive experiments on three real-world benchmarks and four GNN backbones demonstrate that RABot consistently surpasses state-of-the-art baselines. In addition, since its augmentation and filtering modules are orthogonal to the underlying architecture, RABot can be seamlessly integrated into existing GNN pipelines to boost performance with minimal overhead.
• Abstract（参考訳）: ソーシャルボット検出は、オンライン情報エコシステムの整合性を保護するために重要である。 最近のグラフニューラルネットワーク(GNN)ソリューションは強力な結果をもたらすが、それらは2つの実践的な課題によって妨げられている。 一 ボットの発生コストが高いことによる過酷な階級不均衡 (II)人間の振る舞いを巧みに模倣し、偽装リンクを偽造するボットが導入したトポロジカルノイズ。 本稿では,両問題を統一的に扱う多粒性グラフ拡張フレームワークであるReinforcement-Guided Graph Augmentation Social Bot detector (RABot)を提案する。 RABotは、ローカルサブグラフ内のマイノリティクラスの埋め込みを線形に補間し、低リソース体制下での意思決定境界を安定化する、近隣対応のオーバーサンプリング戦略を採用している。 同時に、強化学習駆動エッジフィルタリングモジュールは、類似性に基づくエッジ特徴と適応しきい値最適化を組み合わせることで、メッセージパッシング時の素早い相互作用をエキサイティングし、よりクリーンなトポロジを生成する。 3つの実世界のベンチマークと4つのGNNバックボーンに関する大規模な実験は、RABotが最先端のベースラインを一貫して上回っていることを示している。 さらに、その拡張とフィルタリングモジュールは基盤となるアーキテクチャと直交しているため、RABotを既存のGNNパイプラインにシームレスに統合することで、オーバーヘッドを最小限に抑えることができる。

関連論文リスト

• Optimal Transport-Guided Adversarial Attacks on Graph Neural Network-Based Bot Detection [15.837407035335653]
  我々は,現実的な制約下でのエッジ編集とノード注入攻撃によるGNNベースのソーシャルボット検出の堅牢性を評価するために,BOCLOAKを導入した。 BOCLOAKは攻撃成功率を最大80.13%向上させ、リアル世界の制約下では99.80%のメモリを消費する。 最も重要なことは、BOCLOAKは、最適輸送が敵攻撃と現実世界のボット検出のギャップを埋めるための原則化された、原則化されたフレームワークを提供することを示している。
  論文  参考訳（メタデータ） (2026-01-30T21:13:40Z)
• HW-GNN: Homophily-Aware Gaussian-Window Constrained Graph Spectral Network for Social Network Bot Detection [5.793458146146123]
  ソーシャルボットは、誤情報を広げ、調整された操作を行うことによって、オンラインプラットフォームを汚染している。 グラフニューラルネットワーク(GNN)は、構造的および属性的機能を統合できるため、ソーシャルボット検出の主流となっている。 HW-GNNは、ガウス窓制約を持つ新しいホモフィリー対応グラフスペクトルネットワークである。
  論文  参考訳（メタデータ） (2025-11-27T14:29:40Z)
• RoBCtrl: Attacking GNN-Based Social Bot Detectors via Reinforced Manipulation of Bots Control Interaction [51.46634975923564]
  本稿では,ソーシャルボット制御攻撃(RoBCtrl)のための対向型マルチエージェント強化学習フレームワークを提案する。 具体的には、拡散モデルを用いて、既存のアカウントデータを小さな修正で再構築することで、高忠実度ボットアカウントを生成する。 次に,MARL(Multi-Agent Reinforcement Learning)法を用いて,ボットの逆動作をシミュレートする。
  論文  参考訳（メタデータ） (2025-10-16T02:41:49Z)
• Boosting Bot Detection via Heterophily-Aware Representation Learning and Prototype-Guided Cluster Discovery [16.548403922027248]
  BotHPはグラフベースのボット検出器を強化するために設計された、生成的なグラフ自己監視学習フレームワークである。 ノードの共通性をキャプチャするためにグラフ対応エンコーダと、ノードの特異性を保存するためにグラフに依存しないエンコーダからなるデュアルエンコーダアーキテクチャを使用する。 グラフベースのボット検出器を一貫して強化し、検出性能を改善し、ラベル依存を緩和し、一般化能力を向上する。
  論文  参考訳（メタデータ） (2025-06-01T12:44:53Z)
• Combating Bilateral Edge Noise for Robust Link Prediction [56.43882298843564]
  本稿では,RGIB(Robust Graph Information Bottleneck)という情報理論の原則を提案し,信頼性の高い監視信号を抽出し,表現の崩壊を回避する。 RGIB-SSLとRGIB-REPの2つのインスタンス化は、異なる手法の利点を活用するために検討されている。 6つのデータセットと3つのGNNの様々なノイズシナリオによる実験は、我々のRGIBインスタンスの有効性を検証する。
  論文  参考訳（メタデータ） (2023-11-02T12:47:49Z)
• Everything Perturbed All at Once: Enabling Differentiable Graph Attacks [61.61327182050706]
  グラフニューラルネットワーク(GNN)は敵の攻撃に弱いことが示されている。 本稿では,DGA(Dariable Graph Attack)と呼ばれる新しい攻撃手法を提案し,効果的な攻撃を効率的に生成する。 最先端と比較して、DGAは6倍のトレーニング時間と11倍のGPUメモリフットプリントでほぼ同等の攻撃性能を達成する。
  論文  参考訳（メタデータ） (2023-08-29T20:14:42Z)
• Uncertainty-Aware Source-Free Adaptive Image Super-Resolution with Wavelet Augmentation Transformer [60.31021888394358]
  Unsupervised Domain Adaptation (UDA)は、現実世界の超解像(SR)における領域ギャップ問題に効果的に対処できる 本稿では,画像SR(SODA-SR)のためのSOurce-free Domain Adaptationフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-03-31T03:14:44Z)
• Over-Sampling Strategy in Feature Space for Graphs based Class-imbalanced Bot Detection [10.882979272768502]
  オンラインソーシャルネットワーク(OSN)の多くのボットは、望ましくない社会的影響をもたらす。 本稿では,少数クラスのサンプルをエッジ合成なしで生成するGNNのオーバーサンプリング戦略を提案する。 このフレームワークは3つの実世界のボット検出ベンチマークデータセットを用いて評価される。
  論文  参考訳（メタデータ） (2023-02-14T08:35:33Z)

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。