[논문 리뷰] Change-Point Detection in Dynamic Networks with Missing Links

Farida Enikeeva, Olga Klopp|arXiv (Cornell University)|2021. 06. 28.

Complex Network Analysis Techniques참고 문헌 36인용 수 5

한 줄 요약

이 논문은 성장하는 네트워크 크기와 이질적인 차수를 처리하기 위해 비모수적 그래폰 모델을 활용하여 결측 링크가 있는 동적 네트워크에서의 변화점 탐지에 대해 최소최대 최적의 행렬 CUSUM 기반 검정을 제안한다. 이 방법은 결측 데이터에 대해 강건하며, 링크가 랜덤 비율로 관측되더라도 최적의 탐지 성능을 달성한다. 시뮬레이션과 2012년 런던 올림픽 기간 동안의 런던 자전거 공유 데이터에 대한 실세계 분석을 통해 검증되었다.

ABSTRACT

Structural changes occur in dynamic networks quite frequently and its detection is an important question in many situations such as fraud detection or cybersecurity. Real-life networks are often incompletely observed due to individual non-response or network size. In the present paper we consider the problem of change-point detection at a temporal sequence of partially observed networks. The goal is to test whether there is a change in the network parameters. Our approach is based on the Matrix CUSUM test statistic and allows growing size of networks. We show that the proposed test is minimax optimal and robust to missing links. We also demonstrate the good behavior of our approach in practice through simulation study and a real-data application.

연구 동기 및 목표

• 샘플링 또는 응답 없음으로 인해 링크가 부분적으로 관측될 때 동적 네트워크에서 변화점 탐지 문제를 해결하기 위해.
• 결측 데이터가 있는 희박하고 성장하는 네트워크에서 변화점 탐지의 최소최대 분리율을 설정하기 위해.
• 부분 관측과 다양한 네트워크 크기 하에서 효과적으로 유지되는 강건하고 적응적인 절차를 개발하기 위해.
• 비모수적 그래폰 모델을 사용하여 시간에 따라 변화하는 노드 집합을 가진 네트워크로 프레임워크를 확장하기 위해.
• 시뮬레이션과 런던 교통국의 자전거 공유 데이터에 대한 실세계 적용을 통해 방법을 경험적으로 검증하기 위해.

제안 방법

• 이 방법은 부분적으로 관측된 그래프 시퀀스에서 기저 네트워크 구조의 변화를 탐지하기 위해 행렬 CUSUM 검정 통계량을 사용한다.
• 모르게 관측된 엣지의 비율이 알려진 상태에서, 랜덤이고 독립적인 엣지 샘플링을 가정하여 결측 링크를 처리하기 위한 정교한 네트워크 추정 절차를 사용한다.
• 성장하는 노드 집합과 이질적인 차수를 가진 네트워크를 수용하기 위해 비모수적 그래폰 모델에 기반한다.
• 이론적 분석을 통해 네트워크 크기가 증가하는 상황에서도 프로베니우스 노름과 스펙트럴 노름 하에서 검정의 최소최대 최적성을 확립한다.
• 결측 데이터에 대해 강건하며, 부분 관측 하에서 탐지 성능에 대한 이론적 보장을 제공한다.
• SMUCE나 WBS와 같은 분할 기법과 결합하여 다중 변화점 탐지로 방법을 확장한다.

실험 결과

연구 질문

• RQ1 결측 링크가 있는 동적 네트워크에서 변화점 탐지의 최소최대 분리율은 무엇인가?
• RQ2 결측 데이터는 네트워크 시퀀스에서 변화점의 국소화 정확도에 어떤 영향을 미치는가?
• RQ3 부분 관측과 성장하는 네트워크 크기 하에서 행렬 CUSUM 기반 검정이 최소최대 최적성을 유지할 수 있는가?
• RQ4 상호 커뮤니티 연결보다 내부 커뮤니티 연결에서 링크가 더 자주 결측할 경우, 방법의 성능은 어떻게 되는가?
• RQ5 제안된 방법은 완전하지 않은 데이터를 가진 대규모 동적 네트워크에서 실세계 변화점을 탐지할 수 있는가?

주요 결과

• 행렬 CUSUM 검정은 네트워크 크기가 증가하는 동적 네트워크에서 결측 링크가 있는 경우에도 변화점 탐지에 대해 최소최대 최적성을 달성한다.
• 이 방법은 결측 데이터에 대해 강건하며, 상호 커뮤니티 링크가 더 자주 결측할 경우 추정 위험은 약간 증가한다.
• 시뮬레이션 결과, 변화가 강력하고 링크가 완전히 관측될 경우 변화점이 낮은 오차로 정확히 국소화된다.
• 런던 자전거 공유 네트워크에서의 실세계 데이터에서는 2012년 7월 22일에 중요한 변화점이 탐지되었으며, 이는 올림픽 횃불 도착과 일치한다. 이 경우 검정 통계량은 53.3311로 0.05 유의수준 기준임계값 40.5244를 초과한다.
• 2012년 8월 12일 올림픽 폐식식 행사 당일에는 두 번째 변화점도 탐지되었으며, 검정 통계량은 43.5854, 기준치는 41.7997이었다. 이는 방법이 실세계 사건에 민감함을 확인한다.
• 이론적 및 경험적 결과는 결측 링크가 감지 가능한 신호를 감소시키며, 특히 변화점이 상호 커뮤니티 연결에서 발생할 경우 위험이 증가하는 경향이 있음을 확인한다. 이는 이러한 상황에서 관측된 위험 증가와 일치한다.