[논문 리뷰] Anomalous Edge Detection in Edge Exchangeable Social Network Models

Rui Luo, Buddhika Nettasinghe외 1명|arXiv (Cornell University)|2021. 09. 27.

Complex Network Analysis Techniques참고 문헌 55인용 수 4

한 줄 요약

이 논문은 간선 치환 가능성을 통계적 기준으로 사용하여 방향성 소셜 네트워크에서 비정상적인 간선을 식별하기 위한 커펄러티브 예측 기반 이상 탐지기의 제안한다. 간선 치환 가능성을 기반으로 한 네트워크 모델링과 커펄러티브 예측을 적용함으로써, 이 방법은 사용자가 지정한 상한선 이하의 거짓 경고 비율을 보장하며, 이더리움 블록체인 거래 데이터 실험에서 기존의 기준들보다 뛰어난 성능을 보인다.

ABSTRACT

This paper studies detecting anomalous edges in directed graphs that model social networks. We exploit edge exchangeability as a criterion for distinguishing anomalous edges from normal edges. Then we present an anomaly detector based on conformal prediction theory; this detector has a guaranteed upper bound for false positive rate. In numerical experiments, we show that the proposed algorithm achieves superior performance to baseline methods.

연구 동기 및 목표

• 동적이고 방향성 있는 소셜 네트워크에서 이상 간선를 탐지하는 데 있어 증명 가능한 통계적 보장을 제공하는 문제를 해결하기 위해.
• 정상적인 네트워크 패턴에서 벗어나는 간선를 식별하기 위한 원칙적인 기준으로 간선 치환 가능성을 활용하기 위해.
• 기존 방법에서 비-i.i.d. 그래프 데이터의 한계를 극복하기 위해 거짓 경고 비율에 대해 보장된 상한선을 가진 이상 탐지 알고리즘을 개발하기 위해.
• 스냅샷 기반 또는 압축 기반 접근 방식에 비해 메모리와 시간 효율성을 향상시키면서도 통계적 엄밀함을 유지하기 위해.

제안 방법

• 비대칭 디리클레 네트워크 분포(ADND)를 기반으로 한 간선 치환 가능성을 갖는 무작위 그래프 모델을 사용하여 네트워크를 모델링한다.
• 기타 간선들에 주어진 각 간선의 음의 로그우도를 사용하여 간선의 비일관성(non-conformity)을 정의함으로써 치환 가능성 유지 전환을 보장한다.
• 간선 비일관성에 대한 p-값을 계산하기 위해 커펄러티브 예측을 적용하며, 치환 가능성 하에서 균일한 p-값은 유효한 거짓 경고 제어를 보장한다.
• 후보 간선의 비일관성 점수를 모든 간선들 중에서 순위화하여 p-값을 계산하고, 이 p-값이 이상 탐지 분류를 결정한다.
• p-값에 대해 임계값 ε를 설정하여 간선를 이상으로 분류하며, 치환 가능성 하에서 P(Anom_{N+1}^ε = 1) ≤ ε라는 보장을 갖는다.
• 실제 이더리움 블록체인 거래 데이터를 대상으로 방법을 검증하여 강건성과 효율성을 입증한다.

실험 결과

연구 질문

• RQ1 간선 치환 가능성은 방향성 소셜 네트워크에서 이상 간선를 탐지하는 신뢰할 수 있는 통계적 기준이 될 수 있는가?
• RQ2 커펄러티브 예측은 간선 치환 가능 모델에 효과적으로 적용되어 이상 탐지에서 증명 가능한 거짓 경고 비율 제어를 제공할 수 있는가?
• RQ3 제안된 커펄러티브 탐지기의 성능과 효율성은 기존의 간선 이상 탐지 기준들과 비교해 어떻게 되는가?
• RQ4 실제 네트워크 데이터의 비-i.i.d. 구조 하에서도 이 방법은 통계적 타당성을 유지하는가?

주요 결과

• 제안된 커펄러티브 탐지기는 거짓 경고 비율에 대해 상한선 ε를 보장하여, 정상 간선가 잘못으로 이상으로 분류될 확률이 최대 ε 이하임을 보장한다.
• 검출 정확도와 F1-스코어 측정 기준으로 볼 때, 이더리움 블록체인 거래 데이터에서 기존 기준들보다 뛰어난 이상 간선 탐지 성능을 달성한다.
• 간선 치환 가능성과 커펄러티브 예측의 활용은 낮은 메모리 및 시간 오버헤드로 효율적인 실시간 이상 탐지가 가능하게 한다.
• 이론적 분석을 통해 비일관성 점수의 순위를 통해 계산된 p-값은 치환 가능성 하에서 균일하게 분포함을 확인하여 방법의 통계적 신뢰성을 검증한다.
• 실증 결과는 알고리즘이 일반적인 네트워크 행동에서 벗어나는 급격한 증가 또는 저확률 간선를 효과적으로 식별함을 보여준다.