Neues Spieltheoretisches Modell schützt Community-Detection vor Angriffen

In einer aktuellen Veröffentlichung auf arXiv wird gezeigt, dass sogenannte adversariale Graphen – also Graphen mit kaum wahrnehmbaren Störungen – tiefgreifende Graphmodelle zum Scheitern bringen können. Das neue Papier erweitert dieses Konzept auf das Problem der Community‑Detection, das noch komplexer ist, und stellt innovative Angriffs- sowie Verteidigungstechniken vor. Ziel ist es, gezielt Personen aus der Erkennung zu verbergen und gleichzeitig die Robustheit von Community‑Detection‑Modellen zu erhöhen.

Die vorgestellten Methoden finden vielfältige Anwendungen, etwa zum Schutz persönlicher Privatsphäre in sozialen Netzwerken oder zur Analyse von Tarnmustern in Transaktionsnetzwerken. Um die Interaktion zwischen Angreifer und Verteidiger zu simulieren, wird ein spieltheoretisches Rahmenwerk namens CD‑GAME eingeführt. Dabei agiert ein Graphangreifer gegen einen Verteidiger, der auf dem Rayleigh‑Quotienten basiert. Das Modell erfasst die gegenseitigen Einflüsse und Feedback‑Mechanismen, sodass beide Akteure ihre Strategien dynamisch anpassen und schließlich ein Nash‑Gleichgewicht erreichen.

Umfangreiche Experimente belegen die Wirksamkeit der vorgeschlagenen Angriffs- und Verteidigungsmethoden. Beide übertreffen bestehende Baselines deutlich und liefern wertvolle Einblicke in die dynamische Entwicklung von Angriff- und Verteidigungsstrategien bei Community‑Detection‑Problemen. Das CD‑GAME bietet damit eine neue Perspektive, um interaktive Szenarien in diesem Forschungsfeld zu verstehen und zu optimieren.