[论文解读] Adversarial detection and space-time percolation in mobile geometric graphs

Alexandre Stauffer|arXiv (Cornell University)|Aug 31, 2011

Complex Network Analysis Techniques被引用 1

一句话总结

本文研究移动几何图中的对抗性检测问题，其中节点通过布朗运动移动，并在半径 r 内检测目标。通过多尺度分析与分形渗滤方法，证明了相变现象：当节点密度 λ 足够高时，无论目标采取何种自适应运动策略，目标几乎必然被检测到；而当 λ 较低时，目标存在正概率可长期逃避检测。

ABSTRACT

Consider the model where nodes are initially distributed as a Poisson point process with intensity $\lambda$ over $\mathbb{R}^d$ and are moving in continuous time according to independent Brownian motions. We assume that nodes are capable of detecting all points within distance $r$ of their location and study the problem of determining the first time at which a target particle, which is initially placed at the origin of $\mathbb{R}^d$, is detected by at least one node. We consider the case where the target particle can move according to any continuous function and can adapt its motion based on the location of the nodes. We show that there exists a sufficiently large value of $\lambda$ so that the target will eventually be detected almost surely. This means that the target cannot evade detection even if it has full information about the past, present and future locations of the nodes. Also, this establishes a phase transition for $\lambda$ since, for small enough $\lambda$, with positive probability the target can avoid detection forever. A key ingredient of our proof is to use fractal percolation and multi-scale analysis to show that cells with a small density of nodes do not percolate in space and time.

研究动机与目标

• 分析自适应移动的目标是否能在移动节点网络中避免被检测。
• 确定能保证几乎必然检测到目标的节点密度临界阈值 λ。
• 基于 λ 建立检测概率的相变机制。
• 构建多尺度框架，分析低密度节点区域在时空上的渗滤特性。

提出的方法

• 将节点建模为 ℝ^d 中强度为 λ 的泊松点过程，每个节点独立执行布朗运动。
• 定义检测为：在任意时刻，目标与任一节点的距离小于 r。
• 利用时空渗滤理论分析低密度区域在时空上的连通性。
• 应用分形渗滤技术，证明稀疏节点簇不会形成无限的时空路径。
• 进行多尺度分析，以控制低密度区域中长距离连通性的概率。
• 证明当 λ 足够大时，整个时空域被检测范围有效覆盖，从而确保检测到目标。

实验结果

研究问题

• RQ1 是否存在一个临界节点密度 λ，使得自适应移动的目标几乎必然被检测到？
• RQ2 如果 λ 低于该临界阈值，目标是否可能无限期逃避检测？
• RQ3 低密度节点区域的时空连通性特性如何影响检测概率？
• RQ4 多尺度分析在证明稀疏节点簇不发生渗滤的过程中起到什么作用？
• RQ5 分形渗滤技术能否用于建立移动几何网络中的相变现象？

主要发现

• 当 λ 足够大时，无论目标采取何种自适应运动策略，目标几乎必然被检测到。
• 当 λ 足够小时，目标存在正概率可永久逃避检测。
• 低密度节点区域在时空上不会发生渗滤，从而阻止目标长期隐藏。
• 检测概率的相变由 λ 的临界值决定。
• 多尺度分析与分形渗滤是证明稀疏区域不发生渗滤的关键工具。
• 研究结果确立了移动几何网络中对抗性逃避行为的根本极限。