动态网络链接预测中的时间感知梯度攻击
社会与信息网络
2020-04-06 v2 机器学习
摘要
在网络链接预测中，通过对网络结构进行微小扰动，有可能隐藏目标链接使其不被预测。这一观察可在许多现实场景中被利用，例如保护隐私或利用金融安全。已有许多近期研究生成对抗样本以误导图数据上的深度学习模型。然而，以往工作均未考虑真实世界系统的动态特性。在本工作中，我们首次研究动态网络链接预测（DNLP）上的对抗攻击。所提出的攻击方法，即时间感知梯度攻击（TGA），利用深度动态网络嵌入（DDNE）在不同快照上生成的梯度信息来重连少量链接，从而使 DDNE 无法预测目标链接。我们以两种方式实现 TGA：一种基于遍历搜索，即 TGA-Tra；另一种为提升效率而采用贪心搜索简化，即 TGA-Gre。我们进行了全面实验，表明 TGA 在攻击 DNLP 算法方面具有优异性能。
引用
@article{arxiv.1911.10561,
title = {Time-aware Gradient Attack on Dynamic Network Link Prediction},
author = {Jinyin Chen and Jian Zhang and Zhi Chen and Min Du and Qi Xuan},
journal= {arXiv preprint arXiv:1911.10561},
year = {2020}
}
备注
9 pages