동적 적대적 강인성 상관 군집화: 로그 제곱 업데이트 시간에 상수 근사 유지

초록

이 논문은 적응형 적대적 공격자가 실시간으로 간선 라벨을 뒤바꾸는 완전 그래프에서, 상수 배율 근사 해를 로그 제곱( O(log² n) ) 업데이트 시간으로 유지하는 무작위 알고리즘을 제시한다. 핵심은 희소‑밀집 분해를 동적으로 관리하는 새로운 기법이며, 실험을 통해 이론적 보장을 실증한다.

상세 분석

본 연구는 동적 상관 군집화 문제를 적응형 적대적 모델에 적용한 최초의 작업이다. 기존 동적 알고리즘은 대부분 무시적(oblivi­ous) 적을 가정했으며, 적이 사전에 정해진 라벨 변동 시퀀스를 제공할 때만 O(1) 근사와 폴리로그 업데이트를 달성했다. 적응형 적은 현재 클러스터링 결과를 관찰하고 라벨을 선택적으로 뒤바꿀 수 있기 때문에, 기존 피�트(pivot) 기반 방법은 무작위 순열이 노출될 위험이 있어 근사 보장이 무너진다. 논문은 이 난관을 ‘희소‑밀집(sparse‑dense) 분해’를 활용해 극복한다.

희소‑밀집 분해는 그래프를 (1) 거의 완전 클리크(‘almost‑clique’)와 (2) 저밀도 정점 집합(‘sparse vertices’)으로 나눈다. 이전 연구(AW22, CLM+21 등)는 정적 그래프에서 이 분해를 O(n log² n) 시간에 구하고, 이를 기반으로 O(1) 근사 군집화를 얻었다. 저자는 이 과정을 ‘국소화(localize)’하여, 특정 정점 u의 1‑hop 이웃 N