[論文レビュー] Change-Point Detection in Dynamic Networks with Missing Links

Farida Enikeeva, Olga Klopp|arXiv (Cornell University)|Jun 28, 2021

Complex Network Analysis Techniques参考文献 36被引用数 5

ひとこと要約

本稿では、欠落リンクを伴う動的ネットワークにおける変化点検出のためのミニマックス最適な行列CUSUMベースの検定法を提案する。非パラメトリックなグラフオンモデルを用いることで、拡大するネットワークサイズと非均質な次数に対応し、欠落データに対して頑健であり、リンクがランダムな割合で観測されても最適な検出性能を達成する。シミュレーションと2012年オリンピック期のロンドン自転車共有データの実世界分析により検証された。

ABSTRACT

Structural changes occur in dynamic networks quite frequently and its detection is an important question in many situations such as fraud detection or cybersecurity. Real-life networks are often incompletely observed due to individual non-response or network size. In the present paper we consider the problem of change-point detection at a temporal sequence of partially observed networks. The goal is to test whether there is a change in the network parameters. Our approach is based on the Matrix CUSUM test statistic and allows growing size of networks. We show that the proposed test is minimax optimal and robust to missing links. We also demonstrate the good behavior of our approach in practice through simulation study and a real-data application.

研究の動機と目的

• リンクの一部観測（サンプリングや非応答による）が生じる動的ネットワークにおける変化点検出の根本的問題に対処すること。
• 欠落データを伴うスパースで拡大するネットワークにおける変化点検出のミニマックス分離レートを確立すること。
• 部分観測および変動するネットワークサイズ下でも効果を発揮する、頑健で適応的な手順を開発すること。
• 非パラメトリックなグラフオンモデルを用いて、時間的に変化するノード集合を有するネットワークへのフレームワークの拡張。
• シミュレーションとロンドン交通局の自転車共有データへの実世界応用を通じた、手法の経験的検証。

提案手法

• 本手法は、部分的に観測されたグラフの系列において、潜在的なネットワーク構造の変化を検出するための行列CUSUM検定統計量を用いる。
• エッジのランダムかつ独立的なサンプリング（既知の割合で）を仮定し、欠落リンクを処理する洗練されたネットワーク推定手順を採用する。
• ノード集合の変化と非均質な次数を扱えるように、非パラメトリックなグラフオンモデルに基づく。
• 理論的分析により、行列サイズの増大に対しても、フロベニウスノルムおよびスペクトルノルムの下で検定のミニマックス最適性を確立する。
• 欠落データに対して頑健であり、部分観測下での検出性能に関する理論的保証を有する。
• SMUCE や WBS などのセグメンテーション技術と組み合わせることで、複数の変化点検出に本手法を拡張する。

実験結果

リサーチクエスチョン

• RQ1 欠落リンクを伴う動的ネットワークにおける変化点検出のミニマックス分離レートは何か？
• RQ2 欠落データは、ネットワーク系列における変化点の局所化精度にどのように影響するか？
• RQ3 部分観測および拡大するネットワークサイズ下でも、行列CUSUMベースの検定がミニマックス最適性を維持できるか？
• RQ4 コミュニティ間リンクの欠落頻度がコミュニティ内リンクよりも高い場合、本手法の性能はどのように変化するか？
• RQ5 提案手法は、不完全なデータを伴う大規模な動的ネットワークにおいて、実世界の変化点を検出できるか？

主な発見

• 行列CUSUM検定は、ネットワークサイズが増大しても、欠落リンクを伴う動的ネットワークにおける変化点検出でミニマックス最適性を達成する。
• 本手法は欠落データに対して頑健であり、特にコミュニティ間リンクが頻繁に欠落する場合、推定リスクがわずかに上昇するが、依然として効果的である。
• シミュレーションでは、変化が強くリンクが完全に観測されている場合、変化点の局所化に低誤差で正しく行える。
• 2012年7月22日、オリンピックトーチの到着に伴い、ロンドン自転車共有ネットワークの実データにおいて、有意な変化点が検出された。検定統計量は53.3311であり、有意水準0.05の臨界値40.5244を超えていた。
• 2012年8月12日、オリンピック閉幕式に伴い、第二の変化点も検出された。検定統計量は43.5854、臨界値は41.7997であり、実世界の出来事に対する感受性が確認された。
• 理論的および経験的結果から、欠落リンクは検出可能な信号を低下させることを示しており、特に変化がコミュニティ間接続で発生する場合、リスクの上昇と整合的である。