[논문 리뷰] Analysis and Control of Epidemics: A survey of spreading processes on complex networks

Cameron Nowzari, Víctor M. Preciado외 1명|arXiv (Cornell University)|2015. 05. 04.

Complex Network Analysis Techniques참고 문헌 155인용 수 62

한 줄 요약

이 논문은 복잡한 네트워크에서 결정론적 및 확률적 전염병 모델을 조사하며, 평균장 근사법과 마르코프 과정을 사용하여 SIR, SIS 및 다중 질병 역학을 중심으로 다룬다. 전염병 확산을 완화하기 위한 제어 전략을 제시하고 네트워크 기반 전염병 제어 분야의 열린 문제를 규명하며, 전염병 이외의 분야인 정보 및 악성코드 확산으로의 응용을 포함한다.

ABSTRACT

This article reviews and presents various solved and open problems in the development, analysis, and control of epidemic models. We are interested in presenting a relatively concise report for new engineers looking to enter the field of spreading processes on complex networks.

연구 동기 및 목표

• 제어 및 최적화 연구자들을 대상으로 복잡한 네트워크에서의 확산 과정 모델링 및 제어에 대한 튜토리얼 스타일의 소개를 제공하기 위해.
• 제어 이론 및 최적화 도구를 활용해 해결할 수 있는 전염병 제어 분야의 열린 문제를 규명하고 강조하기 위해.
• 기존의 전염병 모델(SIR, SIS)을 이질적 매개변수와 시간에 따라 변화하는 구조를 가진 네트워크 기반 및 다중 질병 환경으로 확장하기 위해.
• 전염병학 외에도 사회적 네트워크, 사이버보안 및 제품 유통과 같은 분야에 이 모델들이 널리 적용될 수 있음을 보여주기 위해.
• 현재 모델의 한계를 분석하고 네트워크 기반 전염병 제어 분야의未래 연구 방향을 제안함으로써 향후 연구의 기초를 마련하기 위해.

제안 방법

• 일반 미분방정식을 사용하여 각 상태(S, I, R)에 속하는 노드의 비율을 시간에 따라 기술하는 평균장 결정론적 근사법을 사용한다.
• 연속시간 마르코프 과정을 적용하여 감염 및 회복 비율에 따라 개별 노드의 상태 전이를 확률적으로 모델링한다.
• 노드가 두 가지 경쟁하는 질병 중 하나에 감염될 수 있는 다중 질병 모델인 $SI_1SI_2S$ 모델을 도입하며, 각 질병에 대해 별도의 전파 및 회복 비율을 가진다.
• 접속 행렬 $A$를 사용하여 네트워크 구조를 표현하며, 전파율은 인접한 감염자 수에 따라 $\beta_i^1 Y_i^1$ 및 $\beta_i^2 Y_i^2$로 결정된다.
• 시간에 따라 변화하는 네트워크 모델을 분석하며, 복잡성과 현재까지의 연구 부족을 인정하고 동적 네트워크 구조에 관한 최근 연구를 참조한다.
• 특히 제어 및 최적화 맥락에서 전략적 행동을 연구하기 위해 일부 모델에 게임 이론적 시각을 통합한다.

실험 결과

연구 질문

• RQ1 기존의 전염병 모델(SIR, SIS)은 어떻게 네트워크 기반, 이질적, 동적 환경으로 확장될 수 있는가?
• RQ2 다양한 노드 특성을 가진 복잡한 네트워크에서 전염병 확산을 효과적으로 줄이거나 제어하기 위한 전략은 무엇인가?
• RQ3 공유된 네트워크 내에서 경쟁하는 감염이 상호작용할 때, 어떤 조건에서 공존 또는 배제가 발생하는가?
• RQ4 시간에 따라 변화하는 접촉 네트워크를 모델링할 때의 주요 과제는 무엇인가?
• RQ5 제어 및 최적화 이론은 실세계 전염병 간섭 전략을 향상시키기 위해 어떻게 적용될 수 있는가?

주요 결과

• 결정론적 $SI_1SI_2S$ 모델은 각 노드의 회복으로 인해 증가하는 감염 가능 상태 $p_i^S$ 가 두 질병에 의한 감염으로 감소하는 미분방정식 시스템으로 기술된다.
• 각 질병의 전파 역학은 $\dot{p}_i^{I_1} = p_i^S \sum_j a_{ij} \beta_i^1 p_j^{I_1} - \delta_i^1 p_i^{I_1}$ 로 기술되며, $I_2$ 에 대해서도 유사한 식이 성립하여 局소 전파 압력의 역할을 보여준다.
• 다중 질병 모델은 서로 다른 전파율과 회복율을 가진 경우에 특히 상호 배제가 일반적임을 드러낸다.
• 정적 네트워크 모델에 대한 광범위한 연구에도 불구하고, 시간에 따라 변화하는 네트워크 모델은 여전히 개발이 부족하며, 분석을 시작하는 초보적 연구들 외에는 거의 존재하지 않는다.
• 확산 과정에 게임 이론 모델을 적용하는 것은 새로운 분야이지만 여전히 탐색이 부족한 분야이며, 특히 제어 및 최적화 맥락에서 그러한 적용이 부족하다.
• 동일한 수학적 프레임워크는 전염병 이외의 분야에도 널리 적용 가능하며, 정보 확산, 악성코드 확산, 제품 유통 등에 적용 가능함을 보여주어 모델의 广범한 적용 가능성을 강조한다.