[論文レビュー] Localized attack on clustering networks

Gaogao Dong, Huifang Hao+4 more|arXiv (Cornell University)|Oct 15, 2016

Complex Network Analysis Techniques参考文献 12被引用数 3

ひとこと要約

本稿は、局所的攻撃に対するクラスタリングネットワークの頑健性を調査し、クラスタリング係数と結合強度が、臨界閾値および巨大成分のサイズに与える影響を分析している。解析的および数値的手法を用いて、局所的攻撃はランダム攻撃よりも破壊的であり、高いクラスタリングは頑健性を低下させ、強い結合は一次相転移を引き起こすことが示された。

ABSTRACT

Clustering network is one of which complex network attracting plenty of scholars to discuss and study the structures and cascading process. We primarily analyzed the effect of clustering coefficient to other various of the single clustering network under localized attack. These network models including double clustering network and star-like NON with clustering and random regular (RR) NON of ER networks with clustering are made up of at least two networks among which exist interdependent relation among whose degree of dependence is measured by coupling strength. We show both analytically and numerically, how the coupling strength and clustering coefficient effect the percolation threshold, size of giant component, critical coupling point where the behavior of phase transition changes from second order to first order with the increase of coupling strength between the networks. Last, we study the two types of clustering network: one type is same with double clustering network in which each subnetwork satisfies identical degree distribution and the other is that their subnetwork satisfies different degree distribution. The former type is treated both analytically and numerically while the latter is treated only numerically. In each section, we compared two results obtained from localized attack and random attack according to Shao et al:[22].

研究の動機と目的

• 局所的攻撃がクラスタリングネットワークに与える影響、特にクラスタリング係数と結合強度がネットワークの頑健性に与える影響を調査すること。
• 相互依存クラスタリングネットワークにおける局所的攻撃とランダム攻撃を比較し、臨界行動および相転移の違いを評価すること。
• 次数分布（固定 vs. ダブルポアソン）が局所的故障下でのネットワークの耐性に与える役割を検討すること。
• 相転移が二次から一次に移行する臨界結合強度 $ q_c $ を特定すること。
• 単一ネットワークからの知見を、クラスタリングを有する相互依存ネットワークの集合（NON）モデルへ一般化すること。

提案手法

• 単一クラスタリングネットワークにおけるノード次数をモデル化するためにダブルポアソン分布（DPD）を用い、単一リンクと三角形の両方を組み込む。
• 生成関数 $ G_0(x,y) = e^{\langle s\rangle(x-1)} e^{\langle t\rangle(y-1)} $ を用いて、巨大成分のサイズおよび臨界閾値を解析的に導出する。
• シェル分解と局所的領域内でのノードの再帰的削除を用いて、局所的攻撃をシミュレートし、故障の連鎖反応を追跡する。
• 単一クラスタリングネットワーク、相互依存ネットワーク、スターリンクNON、ランダム正則NONの複数のネットワークモデルにおいて、局所的攻撃（LA）とランダム攻撃（RA）の結果を比較する。
• ネットワーク間の相互依存性をモデル化するために結合強度 $ q $ を導入し、$ q=1 $ は完全な相互依存を示す。
• 理論的予測の妥当性を検証するために、$ N=10,000 $ 個のノードを用いた数値シミュレーションを実施し、特に固定次数分布（FDD）のケースに注目する。

実験結果

リサーチクエスチョン

• RQ1 クラスタリング係数 $ c $ が局所的攻撃下での臨界臨界閾値 $ p_c $ に与える影響は何か？
• RQ2 相互依存クラスタリングネットワークにおいて、相転移が二次から一次に移行する臨界結合強度 $ q_c $ は何か？
• RQ3 ネットワークの頑健性および故障の連鎖ダイナミクスの観点から、局所的攻撃とランダム攻撃を比較するとどうなるか？
• RQ4 異なる次数分布（FDD 対 DPD）が、相互依存クラスタリングネットワークの頑健性に与える影響は何か？
• RQ5 平均次数 $ \langle k\rangle $ やクラスタリングネットワークの数 $ n $ を増加させると、システムのレジリエンスにどのような影響があるか？

主な発見

• 局所的攻撃はランダム攻撃と比較して、巨大成分のサイズをより急激に低下させるため、より高い破壊的パワーを示している。
• 臨界臨界閾値 $ p_c $ はクラスタリング係数 $ c $ に応じて増加するため、高いクラスタリングはネットワークの頑健性を低下させる。
• 強い結合（$ q=0.5 $）では相転移が一次に、弱い結合（$ q=0.2 $）では二次に保たれ、臨界点 $ q_c $ がその遷移を示す。
• 臨界結合強度 $ q_c $ は平均次数 $ \langle k\rangle $ に応じて増加するため、より高い接続性は相互依存性に起因する故障に対して頑健性を高める。
• 固定次数分布（FDD）ではダブルポアソン分布（DPD）よりもネットワークがより頑健であり、特に強い結合（$ q=0.8 $）下で顕著である。
• スターリンクNONにおけるクラスタリングネットワークの数 $ n $ を増加させると、$ q_c $ が減少し、連鎖故障に対してシステムがより脆弱になる。