FedRio：協調的な強化コントラスト的敵対的蒸留によるパーソナライズされたフェデレーテッド・ソーシャルボット検出

要旨: ソーシャルボットの検出は、オンラインのソーシャルプラットフォームの安定性とセキュリティにとって重要である。しかし、現在の最先端のボット検出モデルは、多くの場合それぞれが独立して開発されており、プラットフォーム間で共有される検出パターンを活用することで性能を向上させ、新たに出現するボット変種を迅速に特定できるという利点が見落とされている。データ分布とモデルアーキテクチャの異質性は、さらに、効果的なクロスプラットフォームかつクロスモデルの検出フレームワークの設計を困難にする。これらの課題に対処するために、我々はFedRio（Personalized Federated Social Bot Detection with Cooperative Reinforced Contrastive Adversarial Distillationフレームワーク）を提案する。まず、各クライアントに対するグラフニューラルネットワークのバックボーンとして、適応的メッセージパッシングモジュールを導入する。グローバルなデータ分布の効率的な知識共有を促進するために、生成敵対ネットワークに基づく連合的な知識抽出メカニズムを設計する。さらに、クライアント間で特徴空間の整合性を強制し、ローカルモデルとグローバルモデルの間の乖離を低減するために、多段階の敵対的コントラスト学習戦略を用いる。最後に、サーバ側での適応的なパラメータ集約と、強化学習に基づくクライアント側でのパラメータ制御を採用し、不均質な連合学習の設定におけるデータの異質性により適切に対応する。2つの実世界のソーシャルボット検出ベンチマークに関する大規模な実験により、FedRioは検出精度、通信効率、特徴空間の整合性の点で、連合学習の最先端ベースラインを一貫して上回ることが示され、さらに実質的に強いプライバシ制約の下でも、公開されている集中型の結果と競争力を維持していることが分かった。