Community Detection & Attack - lkb1324/Bot-Adversarial-Attack-and-Detection GitHub Wiki

community detection and attack

[TKDE'18] Community Deception or: How to Stop Fearing Community Detection Algorithms.

从至少两个角度提出了社区隐藏攻击的必要性，即保护某个社区的节点群体在网络中的行为和身份不被发现和观测，和提升已有的社区检测算法的鲁棒性。该工作提出了一种基于安全性的高效社区隐藏攻击算法，并定义了量化社区隐藏水平的度量。与之前的社区攻击工作相比，该工作以隐藏特定社区为目标，因此无需对全局的图知识进行掌握，属于黑盒攻击。

借鉴意义：1、故事讲得好；2、问题定义与指标计算做得明确

[KDD'21] Graph adversarial attack via rewiring

提出了一种基于rewire的图分类模型攻击策略，证明了rewire对图属性的影响很小，在不可感知性上优于增加/减少边操作，并基于此提出了利用马尔科夫决策链和强化学习策略梯度算法进行图分类模型攻击的黑盒攻击方法。

借鉴意义：1、rewire相较于add和delete的优势可以被借鉴；2、提示了思考执行rewire的对象在社交网络实际应用场景中的选择：是否选择机器人节点更好操作

[TCSS'19] GA-based Q-attack on community detection

提出了基于社区结构、基于节点中心性程度以及基于遗传进化算法的三种社区检测攻击算法，并在多个现实数据集上，证明了基于遗传进化算法的攻击方法相较于其它两种方法，在降低社区检测结果的模块化指数和NMI指数方面的有效性。

借鉴意义：1、CBA和DBA两种方法的设计可以借鉴；2、遗传进化算法思想