[论文解读] Corruption Detection on Networks

Noga Alon, Elchanan Mossel+1 more|arXiv (Cornell University)|May 21, 2015

Crime, Illicit Activities, and Governance参考文献 25被引用 4

一句话总结

本文确立了图扩张作为检测网络中腐败行为的必要条件，提出算法以识别腐败节点，并分析该问题的计算难度。研究证明，有效的腐败检测从根本上依赖于网络的结构特性，即图扩张特性。

ABSTRACT

We consider the problem of corruption detection on networks. We show that graph expansion is necessary for corruption detection and discuss algorithms and the computational hardness of the problem. 1

研究动机与目标

• 研究网络化系统中腐败检测的理论基础。
• 识别图扩张作为有效腐败检测的必要结构性质。
• 开发在扩张约束下具备腐败检测能力的算法。
• 分析一般网络中腐败检测问题的计算复杂度。

提出的方法

• 将腐败检测形式化为依赖于网络扩张特性的难题。
• 提出基于扩张度量的算法方法以检测腐败节点。
• 运用图论分析建立可检测性的必要条件。
• 通过将已知的 NP-难问题约化为腐败检测问题，分析其计算困难性。
• 应用谱图理论概念来量化扩张及其对检测的影响。
• 证明：若缺乏足够扩张，腐败检测在理论上将不可行。

实验结果

研究问题

• RQ1 图扩张是否为检测网络中腐败行为的必要条件？
• RQ2 在扩张约束下，哪些算法能有效检测腐败？
• RQ3 一般网络中腐败检测问题的计算难度如何？
• RQ4 谱图理论能否用于表征可检测的腐败模式？
• RQ5 网络的哪些结构性质使得腐败检测成为可能？

主要发现

• 图扩张是任何腐败检测机制在网络中成功运作的必要条件。
• 若缺乏足够扩张，无论算法多么精巧，腐败检测在理论上均不可行。
• 腐败检测问题具有计算困难性，属于 NP-难复杂度类。
• 基于扩张度量的算法在支持该结构的网络中可检测腐败。
• 谱方法为通过扩张特性量化可检测性提供了理论框架。
• 理论分析证实，扩张特性在腐败检测中起着根本性障碍或促进作用。