[論文レビュー] Locating the source of spreading in complex networks.

Zhesi Shen, Shinan Cao+4 more|arXiv (Cornell University)|Jan 25, 2015

Complex Network Analysis Techniques被引用数 5

ひとこと要約

本論文は、限られたノード観測データを用いて、複雑なネットワーク内の拡散プロセスの原因を効率的に特定するためのアルゴリズムを提案する。一般化された同定可能性条件を導入することで、観測者のデータがこの基準を満たす場合、任意のネットワークトポロジーにおいて正確な原因特定が可能となり、感染症、ウソ情報、がんの広がりなどの拡散において、原因同定の性能が著しく向上する。

ABSTRACT

Locating the sources that trigger a dynamical process is a fundamental but challenging problem in complex networks, ranging from epidemic spreading in society and on the Internet to cancer metastasis in the human body. An accurate localization of the source is inherently limited by our ability to simultaneously access the information of all nodes in a large-scale complex network, such as the time at which each individual is infected in a large population. This thus raises two critical questions: how do we locate the source from incomplete information and can we achieve full localization of sources at any possible location from a given set of observers. Here we develop an efficient algorithm to locate the source of a diffusion-like process and propose a general locatability condition. We test the algorithm by employing epidemic spreading and consensus dynamics as typical dynamical processes and apply it to the H1N1 pandemic in China. We find that the sources can be precisely located in arbitrary networks insofar as the locatability condition is assured. Our tools greatly improve our ability to locate the source of diffusion in complex networks based on limited accessibility of nodal information. Moreover they have implications for controlling a variety of dynamical processes taking place on complex networks, such as inhibiting epidemics, slowing the spread of rumors, and eliminating cancer seed cells in the human body.

研究の動機と目的

• 大規模な複雑ネットワークにおいて、ノードレベルの観測データが不完全な状況下で、拡散プロセスの原因を特定する課題に対処すること。
• 正確な原因特定にため、ネットワーク全体の状態情報を必要とするという根本的制限を克服すること。
• 与えられた観測データから原因特定が可能かどうかを決定する一般条件「同定可能性」を確立すること。
• 同定可能性条件を満たす場合、任意のネットワーク構造において正確な原因特定を可能にすること。
• 感染症の拡散、誤情報の拡散、がんの転移を制御するための実用的ツールを提供すること。

提案手法

• 観測者の配置とデータの可用性に基づき、原因特定が理論的に可能かどうかを決定する一般化された同定可能性条件を提案すること。
• 観測者が拡散プロセスを検出する時刻のみを用いて、原因の位置を推定する効率的なアルゴリズムを設計すること。
• 代表的な2つの動的プロセスである感染症拡散とコンセンサスダイナミクスにこの手法を適用すること。
• 中国におけるH1N1パンデミックの実世界データを用いてアルゴリズムを検証し、実用的妥当性を示すこと。
• 観測者からの到着時刻データを最適化により用いて、最も可能性の高い原因を同定する。この際、同定可能性制約を満たすことを保証すること。
• アルゴリズムがスケーラブルであり、ネットワーク全体の状態情報にアクセスせずとも、任意のネットワークトポロジーに適用可能であることを保証すること。

実験結果

リサーチクエスチョン

• RQ1 複雑なネットワークにおいて部分的観測に基づいて、拡散プロセスの原因を一意かつ正確に特定できる条件は何か？
• RQ2 限られた数の観測ノードでの感染／活性化時刻のみを用いて、効率的に原因を同定するアルゴリズムをどのように設計できるか？
• RQ3 ネットワークおよび観測者配置のどのような構造的・情報的特性が、原因特定の可能性を保証するか？
• RQ4 提案手法は、多様なネットワークタイプおよび動的プロセスにおいて、正確な原因特定を達成できるか？
• RQ5 H1N1パンデミックのような実世界の拡散データに対して、このアルゴリズムはどのように性能を発揮するか？

主な発見

• 提案された同定可能性条件は、原因特定の理論的保証を提供し、観測データがこの基準を満たす場合、正確な原因同定が可能であることを保証する。
• アルゴリズムは合成ネットワークおよび実世界のネットワーク（H1N1パンデミックデータを含む）において原因を正確に特定でき、同定可能性条件を満たす状況で高い精度を示した。
• 同定可能性条件が満たされれば、ネットワークのサイズやトポロジーにかかわらず、任意のネットワーク構造で原因特定が可能である。
• 特にネットワーク全体の状態情報が入手できない状況において、従来の手法に比べて著しく高い原因特定精度を達成した。
• 感染症拡散やコンセンサスダイナミクスを含む、さまざまな動的プロセスにおいても本手法は頑健であり、広範な適用可能性を示した。
• 研究結果は、初期の種細胞を同定することで、感染症の制御、誤情報の抑制、がんの転移の標的治療に実用的応用が可能であることを示唆している。