[論文レビュー] Connectivity in Social Networks

Sieteng Soh, Gongqi Lin+1 more|arXiv (Cornell University)|Jun 10, 2015

Benford’s Law and Fraud Detection参考文献 16被引用数 3

ひとこと要約

本稿では、特に偽のノードや不活性なノードを検出する目的で、社会的ネットワークにおける接続統計の信頼性を検証するための統計的検定としてベンフォードの法則を提案する。対称的および非対称的ネットワークの両方を分析することで、著者らはランダムな蓄積過程がベンフォードの分布により密接に収束することを示し、純粋にランダムなプロセスと依存性に影響を受けるネットワーク成長プロセスの区別が可能であることを明らかにする。

ABSTRACT

The value of a social network is generally determined by its size and the connectivity of its nodes. But since some of the nodes may be fake ones and others that are dormant, the question of validating the node counts by statistical tests becomes important. In this paper we propose the use of the Benford's distribution to check on the trustworthiness of the connectivity statistics. Our experiments using statistics of both symmetric and asymmetric networks show that when the accumulation processes are random, the convergence to Benford's law is significantly better, and therefore this fact can be used to distinguish between processes which are randomly generated and those with internal dependencies.

研究の動機と目的

• 社会的ネットワークにおけるノード接続統計の信頼性を評価すること、特にノードが偽物または非活動状態である可能性がある状況を想定する。
• 信頼性の低いデータソースが存在する状況下で、ネットワークのサイズと接続性を検証する課題に対処すること。
• ランダムなネットワーク成長プロセスと内部的依存性を持つプロセスを区別できる統計的手法を開発すること。
• ベンフォードの法則がネットワーク統計におけるデータ整合性の強固な指標として機能できるかどうかを評価すること。

提案手法

• 著者らは、対称的および非対称的ソーシャルネットワークからの接続統計の先頭桁にベンフォードの法則を適用する。
• 制御された条件下でネットワークデータを生成するために、ランダムな蓄積プロセスをシミュレートする。
• 観測された桁の頻度がベンフォードの分布にどの程度収束するかを、統計的適合度検定を用いて測定する。
• 純粋にランダムなプロセスと内部的依存性を持つプロセスの間での収束速度を比較する。
• 実データおよび合成データのネットワークデータセットを用いて、異なるネットワークタイプにおける耐性を評価する。
• 視覚的および定量的比較を用いて、異なるプロセスがベンフォードの法則とどの程度整合するかを評価する。

実験結果

リサーチクエスチョン

• RQ1 ベンフォードの法則は、ソーシャルネットワークの接続統計における異常を検出するために利用可能か？
• RQ2 ランダムな成長プロセスと依存性に影響を受ける成長プロセスの間で、ベンフォードの分布への収束にはどのような違いが生じるか？
• RQ3 ネットワーク接続統計における先頭桁の分布は、その背後にあるデータ生成プロセスをどの程度反映しているか？
• RQ4 この手法は、ランダムなネットワーク形成と構造的ネットワーク形成のメカニズムを信頼性高く区別できるか？
• RQ5 ベンフォードの法則は、ソーシャルネットワークにおける偽のノードや不活性なノードを効果的に特定できるか？

主な発見

• ネットワーク形成におけるランダムな蓄積プロセスは、内部的依存性を持つプロセスよりもベンフォードの分布への収束が著しく良好である。
• ベンフォードの法則への収束度合いは、ネットワークデータがランダムなプロセス由来か構造的プロセス由来かを示す信頼できる指標である。
• 対称的および非対称的ネットワークの両方において、ランダムな蓄積プロセス下でベンフォードの法則への整合性が向上し、広範な適用可能性が示された。
• 内部的依存性を持つプロセスで生成されたネットワークは、ベンフォードの分布から著しくずれやすく、非ランダムな挙動の検出が可能である。
• ベンフォードの法則に基づく統計的検定は、純粋にランダムなプロセスと隠れた依存性に影響を受けるプロセスを効果的に区別できる。
• この手法は、ソーシャルネットワークにおける接続統計の信頼性を検証する実用的でデータ駆動型のアプローチを提供する。