[論文レビュー] Quickest Detection of Dynamic Events in Networks

Shaofeng Zou, Venugopal V. Veeravalli+2 more|arXiv (Cornell University)|Jul 16, 2018

Distributed Sensor Networks and Detection Algorithms参考文献 31被引用数 4

ひとこと要約

この論文は、時間経過とともに拡散し、次第に増加するノード数に影響を与えるネットワーク内の動的イベントを特定する逐次検出アルゴリズムを提案する。この手法は、接続されたノードの部分集合に対して修正されたCUSUM統計量を用い、少なくともη個のノードが影響を受けるタイミングを検出する。誤検出率が閾値の増加に伴い制御され、線形の計算量複雑性を達成する一方で、第一階層の漸近的最適性を実現する。

ABSTRACT

The problem of quickest detection of dynamic events in networks is studied. At some unknown time, an event occurs, and a number of nodes in the network are affected by the event, in that they undergo a change in the statistics of their observations. It is assumed that the event is dynamic, in that it can propagate along the edges in the network, and affect more and more nodes with time. The event propagation dynamics is assumed to be unknown. The goal is to design a sequential algorithm that can detect a "significant" event, i.e., when the event has affected no fewer than $η$ nodes, as quickly as possible, while controlling the false alarm rate. Fully connected networks are studied first, and the results are then extended to arbitrarily connected networks. The designed algorithms are shown to be adaptive to the unknown propagation dynamics, and their first-order asymptotic optimality is demonstrated as the false alarm rate goes to zero. The algorithms can be implemented with linear computational complexity in the network size at each time step, which is critical for online implementation. Numerical simulations are provided to validate the theoretical results.

研究の動機と目的

• 時間経過とともに拡散し、次第に増加するノード数に影響を与えるネットワーク内での動的イベントを検出すること。
• 少なくともη個のノードに影響を与える「顕著な」イベントが、可能な限り速く発生するタイミングを特定する逐次アルゴリズムを設計すること。
• 未知の伝播ダイナミクスに適応可能であり、誤検出率を制御するアルゴリズムを保証すること。
• リアルタイムのオンライン導入に適した、1ステップあたり線形の計算量複雑性を達成すること。
• 完全に接続されたネットワークから、構造的伝播を持つ任意に接続されたネットワークへとフレームワークを拡張すること。

提案手法

• アルゴリズムは、ネットワーク全体の観測統計の変化を検出するために、ノードの部分集合に対して修正されたCUSUM統計量を用いる。
• ノードの行動の変化を時間的に追跡するために、対数尤度比のスライディングウインドウを採用する。
• 検出閾値は、すべてのηノードの接続部分集合における累積和に基づき、検出遅延を最小化する。
• 再帰的構造を用いることで計算効率を維持し、オンライン実装を可能にする。
• ネットワークのトポロジーを活用して、検出を連結部分グラフに制限することで、伝播の物理的妥当性を保証する。
• 理論的分析では、弱大数法則と尾確率の上限を用い、漸近的最適性を確立する。

実験結果

リサーチクエスチョン

• RQ1 未知のダイナミクスを持つ時間経過に伴い拡散するネットワーク内での動的イベントを検出するための逐次検出アルゴリズムをどのように設計できるか？
• RQ2 イベントが最小η個のノードに影響を与える場合、検出遅延と誤検出率の最適なトレードオフは何か？
• RQ3 イベントの伝播順序やタイミングに関する事前知識がなくても、第一階層の漸近的最適性を維持できるか？
• RQ4 リアルタイム導入に適した、ネットワークサイズに対して線形の計算量複雑性を達成するにはどう実装できるか？
• RQ5 トポロジーに配慮した検出と非トポロジー配慮型手法との間で、性能向上はどの程度得られるか？

主な発見

• 誤検出率が0に近づく際、提案されたアルゴリズムは第一階層の漸近的最適性を達成し、理論的下限に対して検出遅延を最小化する。
• 閾値bが増加する際、期待される検出遅延はO(b)で有界となり、定数係数が理論的最小値に近づく。
• 1ステップあたりの計算量複雑性がO(L)で、Lはノード数であるため、リアルタイム実装が可能である。
• 誤検出確率は閾値bとともに指数関数的に減少し、誤検出の強い制御が保証される。
• 未知の伝播ダイナミクスに対して頑健であり、イベントが任意のネットワークトポロジーに沿って拡散する場合でも良好に動作する。
• 数値シミュレーションにより理論的結果が妥当であることが検証され、完全に接続されたネットワークおよびスパarsなネットワークの両方で、高速な検出と低い誤検出率を達成している。