利用有界邻域扩展和边增强技术改进社区检测算法

《IEEE Transactions on Knowledge and Data Engineering》:Attacking Community Detection With Bounded Neighborhood Expansion and Edge Augmentation

【字体: 大 中 小 】 时间:2026年01月07日 来源:IEEE Transactions on Knowledge and Data Engineering 10.4

编辑推荐:

  摘要:由于社区检测的重要性和广泛应用,最近针对社区检测的攻击研究逐渐受到了更多关注,这些攻击旨在显著降低其性能。然而,我们观察到大多数之前的攻击方法存在两个主要缺陷:i) 在代理指标中忽略了社区结构;ii) 攻击范围有限。为了解决这些问题,我们提出了一个新的研究问题——基于本文提

  摘要:由于社区检测的重要性和广泛应用,最近针对社区检测的攻击研究逐渐受到了更多关注,这些攻击旨在显著降低其性能。然而,我们观察到大多数之前的攻击方法存在两个主要缺陷:i) 在代理指标中忽略了社区结构;ii) 攻击范围有限。为了解决这些问题,我们提出了一个新的研究问题——基于本文提出的新指标“μμ-triad”的“利用μμ-Triad最小化攻击社区检测”(μμ-PerCD)。首先,我们通过与其他候选代理指标进行比较,分析证明了μ-triads的有效性;同时,我们还通过实际数据集的实验阐述了μ-PerCD问题背后的设计理念。接着,我们分析了μ-PerCD问题的NP难度,并提出了两种14(1?1e)近似算法,分别是“带边添加的μμ-Triad最小化”(μμMEA)和“μμMEA+”,其中μμMEA+是在保持近似比的同时提高了算法效率的版本。大量实际数据集的实验结果表明,所提出的算法在攻击多种社区检测算法方面非常有效,其性能明显优于其他现有的最佳算法。

I. 引言
社区检测(CD)是网络挖掘、图挖掘和社会网络分析领域中最活跃的研究课题之一,它旨在识别网络中的紧密群体或社区,从而有助于理解包括社会学、生物学和计算机科学在内的多个领域中的网络结构。社区检测的广泛应用和重要性也吸引了大量针对它的攻击研究,这些攻击方法最近得到了积极探索[1]、[2]、[3]、[4]、[5]、[6]、[7]、[8]、[9]。这些攻击的主要目标是通过边的添加或删除来修改网络结构,从而降低社区检测的性能。应用场景包括增强在线社交网络中个人的隐私、理解交易网络中的伪装模式以及实现具有隐私保护的 数据外包。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号