通过反事实邻域搜索规避社区检测
社会与信息网络
2024-06-11 v2 人工智能
机器学习
摘要
社区检测技术有助于社交媒体平台发现具有共同兴趣的紧密连接用户群体。然而，该功能常以无意暴露用户品味或偏好、潜在侵犯隐私为代价。因此，一些用户可能出于各种原因（如隶属于政治或宗教组织）希望保持匿名并退出社区检测，同时不离开平台。本研究解决社区成员隐藏这一挑战，即策略性地改变网络图的结构属性，以阻止给定社区检测算法识别一个或多个节点。我们将此问题表述为受限反事实图目标，并通过深度强化学习求解。大量实验表明，我们的方法优于现有基线，在准确率与代价间取得最佳平衡。
引用
@article{arxiv.2310.08909,
title = {Evading Community Detection via Counterfactual Neighborhood Search},
author = {Andrea Bernini and Fabrizio Silvestri and Gabriele Tolomei},
journal= {arXiv preprint arXiv:2310.08909},
year = {2024}
}