针对无监督节点嵌入方法的数据投毒攻击
机器学习
2018-11-02 v2 密码学与安全
社会与信息网络
机器学习
摘要
无监督节点嵌入方法（如DeepWalk、LINE和node2vec）因其简单性和有效性而吸引了越来越多的关注。然而，尽管这些方法已在多种应用中被证明有效，现有工作均未分析它们的鲁棒性。如果这些方法受到对抗方的攻击，这可能会非常危险。在本文中，我们以链接预测任务为例（这是图分析中最基本的问题之一），并引入一种针对节点嵌入方法的数据投毒攻击。我们给出了攻击者效用的完整刻画，并针对两种流行的节点嵌入方法DeepWalk和LINE提出了对抗攻击的高效解决方案。我们在多个真实世界图上评估了所提出的攻击模型。实验结果表明，我们的模型能通过轻微改变图结构（例如添加或删除少数边）显著影响链接预测的结果。我们还表明所提模型具有很好的通用性，并可跨不同嵌入方法迁移。最后，我们在合著者网络上进行了案例研究，以更好地理解我们的攻击方法。
引用
@article{arxiv.1810.12881,
title = {Data Poisoning Attack against Unsupervised Node Embedding Methods},
author = {Mingjie Sun and Jian Tang and Huichen Li and Bo Li and Chaowei Xiao and Yao Chen and Dawn Song},
journal= {arXiv preprint arXiv:1810.12881},
year = {2018}
}