基于变分自编码器的图逆问题图扩散源定位

谣言、计算机病毒或智能电网故障等图扩散问题普遍且具社会性。因此，通常根据当前图扩散观测识别扩散源至关重要。尽管源定位作为图扩散的逆问题在实践中极有必要且意义重大，却因不适定而极具挑战：不同源可能导致相同图扩散模式。与多数传统源定位方法不同，本文关注以概率方式考量不同候选源的不确定性。此类努力需克服包括 1) 图扩散源定位中的不确定性难以量化；2) 图扩散源的复杂模式难以概率刻画；3) 任意底层扩散模式下的泛化难以施加等挑战。为解决上述挑战，本文提出通用框架：源定位变分自编码器(SL-VAE)，用于在任意扩散模式下定位扩散源。特别地，我们提出一种概率模型，利用前向扩散估计模型与深度生成模型近似扩散源分布以量化不确定性。SL-VAE进一步利用源-观测对的先验知识，通过学到的生成先验刻画扩散源的复杂模式。最后，导出整合前向扩散估计模型的统一目标以强制模型在任意扩散模式下泛化。在7个真实数据集上进行了大量实验，表明SL-VAE在重建扩散源上优于其他方法平均20%的AUC分数。