[論文レビュー] Planting trees in graphs, and finding them back

Laurent Massoulié, Ludovic Stephan+1 more|arXiv (Cornell University)|Nov 5, 2018

Forensic Fingerprint Detection Methods被引用数 4

ひとこと要約

本稿は、スパースな Erdős-Rényi ランダムグラフ内における、植え付けられた木構造（特に線グラフと D-ary 樹木）の検出と再構成を研究する。検出が木のサイズが閾値を超えると可能になる段階的転移を確立し、再構成は部分線形な木のサイズでは不可能であることが判明し、検出が容易であっても再構成が不可能であるという、低ランクの植え付け構造（密度の高い部分グラフなど）には見られない重要な乖離を明らかにする。

ABSTRACT

In this paper we study detection and reconstruction of planted structures in Erdős-Rényi random graphs. Motivated by a problem of communication security, we focus on planted structures that consist in a tree graph. For planted line graphs, we establish the following phase diagram. In a low density region where the average degree $λ$ of the initial graph is below some critical value $λ_c=1$, detection and reconstruction go from impossible to easy as the line length $K$ crosses some critical value $f(λ)\ln(n)$, where $n$ is the number of nodes in the graph. In the high density region $λ>λ_c$, detection goes from impossible to easy as $K$ goes from $o(\sqrt{n})$ to $ω(\sqrt{n})$, and reconstruction remains impossible so long as $K=o(n)$. For $D$-ary trees of varying depth $h$ and $2\le D\le O(1)$, we identify a low-density region $λλ_D$, but confirm only the following part of this picture: Detection is easy for $D$-ary trees of size $ω(\sqrt{n})$, while at best only partial reconstruction is feasible for $D$-ary trees of any size $o(n)$. These results are in contrast with the corresponding picture for detection and reconstruction of {\em low rank} planted structures, such as dense subgraphs and block communities: We observe a discrepancy between detection and reconstruction, the latter being impossible for a wide range of parameters where detection is easy. This property does not hold for previously studied low rank planted structures.

研究の動機と目的

• スパースな Erdős-Rényi グラフにおける植え付けられた木構造の検出と再構成の段階的転移を理解すること。
• 密度の高い部分グラフなどの従来の低ランク構造と比較して、木構造の植え付け構造における検出と再構成の可能性を比較すること。
• 検出が可能になる条件と、特に部分線形な木のサイズにおいて再構成が不可能な状況を特定すること。
• 植え付けられた線グラフと D-ary 樹木の場合の検出と再構成の完全な段階図を確立すること。
• 木構造の信号の検出と再構成に、低ランクモデル（密度の高い部分グラフやコミュニティなど）と対照的である「ハードな領域」が存在するかを調査すること。

提案手法

• 平均次数 λ が固定されたスパースな Erdős-Rényi ランダムグラフモデル G(n, λ/n) における検出と再構成を分析する。
• 確率的解析と集中不等式を用いて、検出と再構成の可能性の閾値を導出する。
• 部分的な木構造を前提としたもとで、再構成された木と植え付けられた木のノードの期待重複度を推定するために、超幾何分布のモデル化を適用する。
• D-ary 樹木の最終層における正しく回復されたノードの期待数を抑え込むために、再帰的な木構造解析を用いる。
• 特に ln(n)、ln(ln(n))、および √n スケーリングを含む閾値に注目し、n における漸近的挙動に基づいて段階的転移を導出する。
• P₁ における条件付き確率枠組みを用いて、木の上層部分の部分的知識が与えられたもとでの再構成性能を評価する。

実験結果

リサーチクエスチョン

• RQ1 平均次数 λ に応じて、植え付けられた線グラフの検出が可能になる臨界サイズ K はどの程度か？
• RQ2 検出が容易であるにもかかわらず、なぜ植え付けられた線グラフのサイズが o(n) の場合、再構成が不可能なのか？
• RQ3 D-ary 樹木において、検出が不可能から可能に転移する臨界高さ h* は何か？
• RQ4 D-ary 樹木の高さ h が h* を超える場合、完全な再構成が達成可能か、それとも部分的再構成が限界か？
• RQ5 木構造の信号の検出と再構成の閾値は、密度の高い部分グラフやコミュニティなどの低ランクの植え付け構造と比べてどう異なるか？

主な発見

• スパース領域（λ < 1）では、線グラフの長さ K が K* = ln(n)/ln(1/λ) を超えると、検出と再構成が可能になる。
• 高密度領域（λ > 1）では、K が o(√n) から ω(√n) に移行する段階で検出が可能になるが、K = o(n) の場合、再構成は依然として不可能である。
• D-ary 樹木では、木の高さ h が h* = g(D)ln(ln(n)) を超えると検出が可能になる。ただし g(D) は D に依存する。
• D-ary 樹木において検出が可能であっても、部分的再構成しか達成できない：少なくとも定数割合のノードは正しく同定できない。
• 高密度領域（λ > λ_D）では、D-ary 樹木が ω(√n) のサイズであれば検出は容易であるが、サイズが o(n) であれば再構成はいかなる場合でも不可能である。
• 本稿は、D-ary 樹木において、検出が可能であっても、再構成が非消滅的割合のノードで失敗することを確認し、検出と再構成の間の根本的な非対称性を強調している。