面向网络嵌入的无监督欧氏距离攻击
社会与信息网络
2019-11-11 v3 物理与社会
摘要
考虑到网络嵌入方法在图数据挖掘中的广泛应用，受深度学习中对抗攻击的启发，本文提出一种基于遗传算法（GA）的欧氏距离攻击策略（EDA）来攻击网络嵌入，从而防止某些结构信息被发现。EDA 聚焦于通过对网络结构的最小改动，尽可能扰动嵌入空间中一对节点间的欧氏距离。由于大量下游网络算法（如社区检测与节点分类）依赖节点间欧氏距离来评估其在嵌入空间中的相似性，EDA 可被视为对多种网络算法的通用攻击。不同于传统的监督攻击策略，EDA 不需要标注信息，换言之，是一种无监督的网络嵌入攻击方法。
引用
@article{arxiv.1905.11015,
title = {Unsupervised Euclidean Distance Attack on Network Embedding},
author = {Shanqing Yu and Jun Zheng and Jinhuan Wang and Jian Zhang and Lihong Chen and Qi Xuan and Jinyin Chen and Dan Zhang and Qingpeng Zhang},
journal= {arXiv preprint arXiv:1905.11015},
year = {2019}
}