链接预测对抗攻击
物理与社会
2018-10-10 v2 社会与信息网络
摘要
深度神经网络在解决计算机视觉和一些图演化任务（如节点分类和链接预测）方面已展现出卓越性能。然而，由各种对抗攻击方法生成的精心设计的对抗样本也揭示了深度模型的脆弱性。随着深度模型在复杂网络分析中的更广泛应用，本文中我们定义并形式化了链接预测对抗攻击问题，并提出了一种基于训练图自编码器（GAE）中梯度信息的新型迭代梯度攻击（IGA）。据我们所知，这是首次定义链接预测对抗攻击问题并提出攻击方法。毫不意外，GAE 很容易被仅对干净网络扰动少量链接的对抗网络所欺骗。通过在多个真实世界数据集上进行全面实验，我们得出结论：大多数基于深度模型的以及其他最先进的链接预测算法都无法像 GAE 一样逃脱对抗攻击。我们可以将该攻击作为防止链接预测未知侵犯的高效隐私保护工具而受益；另一方面，链接预测攻击可作为当前链接预测算法在防御攻击方面的鲁棒性评估指标。
引用
@article{arxiv.1810.01110,
title = {Link Prediction Adversarial Attack},
author = {Jinyin Chen and Ziqiang Shi and Yangyang Wu and Xuanheng Xu and Haibin Zheng},
journal= {arXiv preprint arXiv:1810.01110},
year = {2018}
}