[논문 리뷰] Threat assessment of a possible Vehicle-Born Improvised Explosive Device using DSmT

Jean Dezert, Florentín Smarandache|arXiv (Cornell University)|2010. 08. 02.

Fire Detection and Safety Systems참고 문헌 9인용 수 3

한 줄 요약

이 논문은 차량 탑재 폭발물(VBIED)의 위협을 평가하기 위해 Dezert-Smarandache 이론(DSmT)을 적용하며, 분석가와 자동화된 시스템 간의 불확실하고 모호하며 상충되는 증거를 융합한다. 정교한 정성적 근사치를 사용한 PCR5 및 PCR6 규칙을 적용할 경우, 자료가 상충되거나 신뢰성이 다를 경우에도 빌딩 대피를 일관되게 내리는 결정을 이끌어낸다.

ABSTRACT

This paper presents the solution about the threat of a VBIED (Vehicle-Born Improvised Explosive Device) obtained with the DSmT (Dezert-Smarandache Theory). This problem has been proposed recently to the authors by Simon Maskell and John Lavery as a typical illustrative example to try to compare the different approaches for dealing with uncertainty for decision-making support. The purpose of this paper is to show in details how a solid justified solution can be obtained from DSmT approach and its fusion rules thanks to a proper modeling of the belief functions involved in this problem.

연구 동기 및 목표

• 부분적이고 모호하며 상충되는 정보가 존재하는 VBIED 시나리오에서 위협 평가 과제를 해결하기 위해.
• 인간의 전문성(분석가)과 자동화된 시스템(ANPR) 중 어느 쪽이 의사결정에 더 신뢰할 만한 입력을 제공하는지 평가하기 위해.
• 부정확한 지식과 상충되는 증거 하에서 신뢰 함수의 불확실성을 DSmT를 사용해 모델링하고 정량화하기 위해.
• 다양한 융합 규칙(PCR5 및 PCR6)이 불확실성 하에서 보안 의사결정을 뒷받침하는 데 얼마나 효과적인지 비교하기 위해.
• 고위험 보안 상황에서 대피 의사결정을 위한 정당화되고 정량화된 의사결정 지원 프레임워크 제공하기 위해.

제안 방법

• 개별 신원(A/¬A), 차량 유형(V/¬V), 건물 근접도(B/¬B)의 세 개의 국소 프레임을 사용해 VBIED 문제를 모델링하며, 각각의 멱집합에 기반한다.
• 신원, 차량, 위치의 조합을 나타내는 8개의 가능한 상태를 가진 공동 프레임 Θ = Θ₁ × Θ₂ × Θ₃ 를 구성한다.
• 관측 결과에 기반해 각 소스에 기본 신뢰 할당(bba)을 할당한다: 분석가 1(높은 경험), ANPR(30% 확률), 분석가 2(경험이 부족함).
• 정교한 레이블 근사치를 사용해 정성적 신뢰 질량을 정규화하고 모호함을 다루기 위해 정성적 DSmT 융합 규칙(qPCR5 및 qPCR6)을 적용한다.
• 최종 의사결정 지원 확률을 계산하기 위해 일반화된 피그니스트 변환(qDSmP)을 사용한다.
• 다양한 의사결정 지원 가설(예: θ₈, θ₇∪θ₈, θ₆∪θ₇∪θ₈)에 대해 신뢰(Bel), 가능성(Pl), 및 qDSmP 값으로 의사결정 결과를 평가한다.

실험 결과

연구 질문

• RQ1 VBIED 위협 평가에서 전문가 판단과 자동화된 시스템 출력을 융합하는 데 최적의 융합 전략은 무엇인가?
• RQ2 높은 불확실성 환경에서 경험 많은 분석가의 신뢰성과 자동화된 ANPR 시스템의 신뢰성은 어떻게 비교되는가?
• RQ3 정성적 DSmT 융합 규칙(PCT5 및 PCR6)이 상충되고 모호한 증거 하에서 일관되고 정당화된 대피 결정을 도출할 수 있는가?
• RQ4 정교한 레이블 근사치의 사용이 정성적 신뢰 질량의 정규화 및 해석 가능성에 어떤 영향을 미치는가?
• RQ5 어느 의사결정 지원 가설(예: θ₈, θ₇∪θ₈, 또는 θ₆∪θ₇∪θ₈)이 가장 신중하고 일관된 대피 결정을 이끌어내는가?

주요 결과

• qDSmP에서 정교한 레이블 근사치를 사용할 경우 정규화된 정성적 확률을 보장하지만, 군더미적인 근사치는 정규화되지 않은 결과를 초래한다.
• 가장 보수적인 의사결정 지원 가설(θ₆ ∪ θ₇ ∪ θ₈)에 대해 PCR5 및 PCR6 규칙 모두 신뢰 간격 [L₁.₂₈, L₄]과 가능성 간격 [L₀, L₂.₇₂]을 도출하여 대피 결정에 강력한 지지를 보여준다.
• PCR5 하에서 θ₈(A가 흰색 토요타로 건물 근처에 있음)에 대한 신뢰도는 [L₀.₈₁, L₃.₁₂]이며, PCR6 하에서는 [L₀.₈₁, L₃.₂₄]로 나타나 위협에 대해 높은 신뢰도를 보인다.
• PCR5는 θ₈를 유일한 가설로 사용할 경우 신뢰도가 낮아 대피를 권고하지 않지만, PCR6는 대피를 권고한다—이것은 융합 규칙 선택에 따라 결과가 민감하게 달라질 수 있음을 시사한다.
• PCR5와 PCR6 간의 차이가 있음에도 불구하고, 종합적인 가설 θ₆ ∪ θ₇ ∪ θ₈를 사용할 경우 둘 다 대피를 지지함으로써 일관성을 유지한다. 이는 모든 위험한 구성 요소를 포괄한다.
• 분석 결과는 사전 정보와 소스의 신뢰성이 최종 결정에 크게 영향을 미치며, DSmT는 다양한 유형의 입력을 통합하는 데 있어 강력한 프레임워크를 제공함을 확인한다.