基于随机平滑的社区检测对抗结构性扰动的认证鲁棒性
密码学与安全
2020-09-16 v2 机器学习
社会与信息网络
摘要
社区检测在理解图结构方面起着关键作用。然而，若干近期研究表明，社区检测易受对抗性结构性扰动的影响。具体而言，通过在图中添加或移除少量精心挑选的边，攻击者可以操纵被检测出的社区。然而，据我们所知，尚无关于认证社区检测对此类对抗性结构性扰动鲁棒性的研究。本文旨在弥补这一空白。具体地，我们提出了首个针对对抗性结构性扰动的社区检测认证鲁棒性保证。给定任意社区检测方法，我们通过随机扰动图结构构建了一种新的平滑社区检测方法。我们从理论上证明，当攻击者添加/移除的边数有界时，该平滑社区检测方法可证明地将任意给定节点集合归入同一社区（或不同社区）。此外，我们证明了我们的认证鲁棒性是紧的。我们还在多个具有真实社区标注的真实世界图上对所提方法进行了实证评估。
引用
@article{arxiv.2002.03421,
title = {Certified Robustness of Community Detection against Adversarial Structural Perturbation via Randomized Smoothing},
author = {Jinyuan Jia and Binghui Wang and Xiaoyu Cao and Neil Zhenqiang Gong},
journal= {arXiv preprint arXiv:2002.03421},
year = {2020}
}
备注
Accepted by WWW'20; This is technical report version