[論文レビュー] Interacting with Massive Behavioral Data

Shih-Chieh Su|arXiv (Cornell University)|Aug 26, 2016

Data Visualization and Analytics参考文献 5被引用数 3

ひとこと要約

本稿では、t-SNE や MDS などの次元削減手法からのデータポイントを均等にグリッドベースのレイアウトに再配分することで、局所的なトポロジーを保持する「スプリット・ディフューズ（SD）」アルゴリズムを提案する。得られるトピックグリッドは、特にサイバーセキュリティ分野において、ユーザーとピアの行動をトピックごとに動的に時系列的に比較可能な、効率的な人間のインタラクションと可視化を可能にする。

ABSTRACT

In this short paper, we propose the split-diffuse (SD) algorithm that takes the output of an existing word embedding algorithm, and distributes the data points uniformly across the visualization space. The result improves the perceivability and the interactability by the human. We apply the SD algorithm to analyze the user behavior through access logs within the cyber security domain. The result, named the topic grids, is a set of grids on various topics generated from the logs. On the same set of grids, different behavioral metrics can be shown on different targets over different periods of time, to provide visualization and interaction to the human experts. Analysis, investigation, and other types of interaction can be performed on the topic grids more efficiently than on the output of existing dimension reduction methods. In addition to the cyber security domain, the topic grids can be further applied to other domains like e-commerce, credit card transaction, customer service to analyze the behavior in a large scale.

研究の動機と目的

• 次元削減手法による2D/3D可視化における非均一的かつ重複するデータポイントの分布の限界を解消すること。
• トポロジカルな関係を保持しつつ、均等な空間的分布を実現することで、大規模な行動データに対する人間の知覚性とインタラクティブ性を向上させること。
• サイバーセキュリティやその他の分野において、時間経過に伴うユーザーおよびピアの行動を分析するためのスケーラブルでインタラクティブな可視化フレームワーク（トピックグリッド）を構築すること。
• グリッドレイアウトに時間軸を統合することで、行動指標の動的かつ時系列的な分析を可能とすること。
• トピックレベルの要約やアクティビティオーバーレイに対する直感的な操作（例：ホバーやクリック）を可能にすることで、人為的な異常検出を効率化すること。

提案手法

• SDアルゴリズムは、深さレベルごとに交互にx軸およびy軸に沿って再帰的にデータポイントを分割し、中央値を用いてバランスの取れた分割を実現する。
• 各データポイントは、再帰的分割の経路に基づき、2^h × 2^h グリッド内の一意のインデックスに割り当てられ、均等な空間的分布が保証される。
• 変換の過程で、ポイント同士の相対的位置関係（例：あるポイントが別のポイントのどちら側にあるか）を保持することで、ポイント単位のトポロジーを維持する。
• この手法は次元削減の後処理として適用されるため、t-SNE や MDS、PCA などの埋め込み手法の出力と互換性がある。
• 3D拡張版では、時間軸に沿って1次元のSDレイアウトを用いて2Dトピックグリッドを積み重ね、行動パターンの時間的モニタリングを可能にする。
• トピックグリッドは、19K以上の次元空間におけるログコンテンツからのトピックをグリッドセルにマッピングすることで構築され、各セルにリスクやアクティビティレベルなどの指標を可視化する。

実験結果

リサーチクエスチョン

• RQ1 次元削減されたデータの後処理変換によって、大規模な行動データに対する人間の知覚性とインタラクションが向上するか？
• RQ2 可視化空間内での局所的なトポロジカル関係を損なわずに、データポイントの均等な空間的分布を実現する方法は何か？
• RQ3 トピックグリッドフレームワークは、サイバーセキュリティログにおける行動異常の検出をどの程度向上させるか？
• RQ4 SDアルゴリズムは、さまざまな次元削減手法に一般化可能であり、eコマースやクレジットカード取引など多様な分野へ応用可能か？
• RQ5 グリッドベースのインタラクションモデルを用いて、ユーザーおよびピアの行動の時間的ダイナミクスを効果的に可視化し、比較する方法は何か？

主な発見

• スプリット・ディフューズ（SD）アルゴリズムは、t-SNE や MDS の出力から得られるデータポイントを、局所的なトポロジーを保持したまま均等な2Dグリッドレイアウトに再配分することに成功した。
• SDを用いて生成されたトピックグリッドは、原始的な次元削減出力と比較して、より効率的な人間のインタラクションを可能にした。視覚的トラッキングやイベントベースの操作（例：ホバー、クリック）の改善が実証された。
• トピックグリッドの3D拡張により、時間軸に沿って2Dグリッドを積み重ねることができ、時間経過に伴う一貫した行動パターンや異常を明らかにした。
• システムは、同一グリッド上に自己リスクやピアリスクといった複数の行動指標を動的に可視化でき、並列比較を可能にした。
• 視覚的なごみや重複を大幅に低減し、サイバーセキュリティ、eコマース、取引監視の文脈において、密集した行動データの知覚性を著しく向上させた。
• 本手法は、t-SNE、MDS、PCA、スぺクトラル埋め込みなど、さまざまな次元削減手法と互換性があり、広範な適用可能性を有する。