[論文レビュー] Anomalous Edge Detection in Edge Exchangeable Social Network Models

Rui Luo, Buddhika Nettasinghe+1 more|arXiv (Cornell University)|Sep 27, 2021

Complex Network Analysis Techniques参考文献 55被引用数 4

ひとこと要約

本論文は、エッジ交換可能性を統計的基準として用い、有向ソーシャルネットワークにおける異常エッジを同定する、コンフォーマル予測に基づく異常検出手法を提案する。エッジ交換可能性に基づくネットワークモデルを用いてエッジの尤度をモデル化し、コンフォーマル予測を適用することで、ユーザーが指定した誤検出率の上界を保証する。実験ではイーサリアムブロックチェーン取引データにおいて、ベースラインを上回る性能を示した。

ABSTRACT

This paper studies detecting anomalous edges in directed graphs that model social networks. We exploit edge exchangeability as a criterion for distinguishing anomalous edges from normal edges. Then we present an anomaly detector based on conformal prediction theory; this detector has a guaranteed upper bound for false positive rate. In numerical experiments, we show that the proposed algorithm achieves superior performance to baseline methods.

研究の動機と目的

• 動的で有向なソーシャルネットワークにおける異常エッジ検出の課題に、証明可能な統計的保証を提供する。
• エッジ交換可能性を、通常のネットワークパターンから逸脱するエッジを識別する根拠としての原則的基準として活用する。
• 誤検出率の上界が保証された異常検出アルゴリズムを構築し、従来の手法が直面する非i.i.d.なグラフデータの制限を克服する。
• スナップショットベースや圧縮ベースのアプローチと比較して、メモリおよび時間効率を向上させつつ、統計的厳密性を維持する。

提案手法

• 非対称ディリクレネットワーク分布（ADND）に基づくエッジ交換可能性を持つランダムグラフモデルを用いてネットワークをモデル化する。
• エッジの非適合性を、他のすべてのエッジから与えられたエッジの負の対数尤度として定義し、交換可能性を保つ変換を確保する。
• コンフォーマル予測を適用してエッジ非適合性のp値を計算し、交換可能性下で一様なp値が得られることで、誤検出率の有効な制御が保証される。
• 候補エッジの非適合性スコアがすべてのエッジの中でどの順位に位置するかを用いてp値を計算し、異常分類を決定する。
• 非適合性スコアのp値にしきい値εを適用し、エッジを異常と分類する。交換可能性下では、P(Anom_{N+1}^ε = 1) ≤ ε が保証される。
• 実世界のイーサリアムブロックチェーン取引データを用いて手法を検証し、頑健性と効率性を示した。

実験結果

リサーチクエスチョン

• RQ1 エッジ交換可能性は、有向ソーシャルネットワークにおける異常エッジ検出の信頼できる統計的基準として機能するか？
• RQ2 コンフォーマル予測は、エッジ交換可能性モデルに効果的に適応可能であり、異常検出における誤検出率の証明可能な制御を提供できるか？
• RQ3 提案手法のコンフォーマル検出器は、既存のエッジ異常検出ベースラインと比較して、性能および効率で優れているか？
• RQ4 本手法は、現実世界のネットワークデータが示す非i.i.d.構造下でも統計的妥当性を維持できるか？

主な発見

• 提案されたコンフォーマル検出器は、誤検出率の上界εを保証しており、正常エッジが誤って異常と特定される確率が最大εであることを保証する。
• イーサリアムブロックチェーン取引データにおいて、検出精度およびF1スコアの観点から、ベースライン手法と比較して優れた性能を達成した。
• エッジ交換可能性とコンフォーマル予測の活用により、低メモリおよび時間オーバーヘッドで効率的なリアルタイム異常検出が可能になった。
• 理論的分析により、非適合性スコアの順位に基づいて計算されたp値が、交換可能性下で一様分布に従うことが確認され、手法の統計的信頼性が裏付けられた。
• 実験結果から、本アルゴリズムは、バースト性や低尤度のエッジを効果的に同定でき、通常のネットワーク行動から逸脱するエッジを特定できることを示した。