[論文レビュー] Network Topology Identification using PCA and its Graph Theoretic Interpretations

Aravind Rajeswaran, Shankar Narasimhan|arXiv (Cornell University)|Jun 1, 2015

Network Packet Processing and Optimization被引用数 6

ひとこと要約

本稿では、主成分分析（PCA）とグラフ理論的再構成を用いて定常状態のフロー測定データからネットワークトポロジーを再構成する多項式時間法を提案する。PCAを用いて近似的な線形関係（ALR）を特定し、基本カットセットを抽出し、それらカットセットからグラフを再構成することで、フロー保存則を満たすネットワーク構造を回復する。トポロジーは2-同型性までしか特定できない。

ABSTRACT

We solve the problem of identifying (reconstructing) network topology from steady state network measurements. Concretely, given only a data matrix $\mathbf{X}$ where the $X_{ij}$ entry corresponds to flow in edge $i$ in configuration (steady-state) $j$, we wish to find a network structure for which flow conservation is obeyed at all the nodes. This models many network problems involving conserved quantities like water, power, and metabolic networks. We show that identification is equivalent to learning a model $\mathbf{A_n}$ which captures the approximate linear relationships between the different variables comprising $\mathbf{X}$ (i.e. of the form $\mathbf{A_n X \approx 0}$) such that $\mathbf{A_n}$ is full rank (highest possible) and consistent with a network node-edge incidence structure. The problem is solved through a sequence of steps like estimating approximate linear relationships using Principal Component Analysis, obtaining f-cut-sets from these approximate relationships, and graph realization from f-cut-sets (or equivalently f-circuits). Each step and the overall process is polynomial time. The method is illustrated by identifying topology of a water distribution network. We also study the extent of identifiability from steady-state data.

研究の動機と目的

• ラベルなしの定常状態フローメジャーメントから構造的知識なしにネットワークトポロジーを同定する課題に対処すること。
• 保存則に従うフロー関係からネットワーク構造を回復するデータ駆動型で解釈可能な手法を開発すること。
• 再構成されたネットワークがすべてのノードでフロー保存則を満たすとともに、次数行列がフルランクとなるノード数を最大化すること。
• 物理的および抽象的ネットワークに適用可能な体系的で多項式時間のアルゴリズムを提供すること。

提案手法

• データ行列 X に PCA もしくは SVD を適用し、AnX ≈ 0 の形の近似的な線形関係（ALR）を特定する。
• 主成分行列の行簡約階段形（RREF）を用いて、データ行列の核部分空間から基本カットセットを抽出する。
• カットセット行列を符号付きの縮小次数行列に変換し、ネットワークのノード-エッジ構造を表現する。
• 既知のアルゴリズムを用いてカットセットからグラフ実現を行い、非有向ネットワークトポロジーを再構成する。
• 再構成されたネットワーク構造上で線形回帰を実行し、エッジの方向を特定する。
• 最終的な次数行列 An がフルランクであり、有効なネットワーク次数構造と整合することを保証する。

実験結果

リサーチクエスチョン

• RQ1 構造的知識なしに、定常状態のフローメジャーメントのみからネットワークトポロジーを再構成できるか？
• RQ2 与えられたエッジフローのデータ行列から、最大で何個のノードを同定できるか？
• RQ3 再構成されたネットワークの同定可能性はどの程度で、定常状態データからの同定を制限する対称性は何か？
• RQ4 本手法は水道配水網や送電網などの実世界ネットワークに適用可能か？
• RQ5 大規模データに対して、カットセットからのグラフ実現を効率的かつ頑健に実現するにはどうすればよいか？

主な発見

• 提案手法は多項式時間でネットワークトポロジーを再構成でき、主な計算コストはデータ行列のSVDであり、O(k₁m²d + k₂d³) のスケーリングを示す。
• 再構成されたネットワークは2-同型性までしか一意に特定できない。つまり、同じフロー保存則を満たす異なるトポロジーは定常状態データからは区別できない。
• 本手法は水道配水網のトポロジーを成功裏に再構成し、実用的応用の有効性を示した。
• エッジの方向は線形回帰により特定され、本手法はシステム生物学におけるステキオメトリ行列の再構成へ拡張可能である。
• 少なくとも n 個の定常状態構成が必要であり、ノード数が不明な場合には安全な推定として m 個の異なる構成が必要である。