攻击与防御社区检测：博弈论框架
机器学习
2025-12-15 v1 计算机科学与博弈论
摘要
已有研究表明，对抗图——即具有不可感知扰动的图——可能导致深度图模型在分类任务上失败。在本工作中，我们将对抗图的概念扩展到更具挑战性的社区检测问题。我们提出了针对社区检测问题的新型攻击与防御技术，其目标分别是将目标个体从检测模型中隐藏以及增强社区检测模型的鲁棒性。这些技术在现实场景中具有许多应用，例如保护社交网络中的个人隐私以及理解交易网络中的伪装模式。为了模拟交互式攻击与防御行为，我们进一步提出了一个名为 CD-GAME 的博弈论框架。一方是图攻击者，另一方是瑞利商防御者。CD-GAME 建模了攻击者与防御者之间的相互影响与反馈机制，揭示了博弈的动态演化过程。双方动态更新策略直至达到纳什均衡。大量实验证明了我们所提出的攻击与防御方法的有效性，且两者均显著优于现有基线。此外，CD-GAME 为理解社区检测问题中的交互式攻击与防御场景提供了有价值的见解。我们发现，在传统的单步攻击或防御中，攻击者倾向于采用最有效的策略，但容易被防御者检测和对抗。当交互式博弈达到纳什均衡时，攻击者采用更不可感知的策略，即使在防御之后仍能实现令人满意的攻击效果。
引用
@article{arxiv.2512.11359,
title = {Attacking and Securing Community Detection: A Game-Theoretic Framework},
author = {Yifan Niu and Aochuan Chen and Tingyang Xu and Jia Li},
journal= {arXiv preprint arXiv:2512.11359},
year = {2025}
}