[论文解读] Quickest Detection of Dynamic Events in Networks

Shaofeng Zou, Venugopal V. Veeravalli+2 more|arXiv (Cornell University)|Jul 16, 2018

Distributed Sensor Networks and Detection Algorithms参考文献 31被引用 4

一句话总结

本文提出了一种序列检测算法，用于识别随时间传播并在不断增加的节点数上产生影响的网络动态事件。该方法在连通节点子集上使用修改后的CUSUM统计量，以检测至少η个节点受到影响的时刻，实现了在阈值增大时的线性计算复杂度和受控的误报率，且达到一阶渐近最优性。

ABSTRACT

The problem of quickest detection of dynamic events in networks is studied. At some unknown time, an event occurs, and a number of nodes in the network are affected by the event, in that they undergo a change in the statistics of their observations. It is assumed that the event is dynamic, in that it can propagate along the edges in the network, and affect more and more nodes with time. The event propagation dynamics is assumed to be unknown. The goal is to design a sequential algorithm that can detect a "significant" event, i.e., when the event has affected no fewer than $η$ nodes, as quickly as possible, while controlling the false alarm rate. Fully connected networks are studied first, and the results are then extended to arbitrarily connected networks. The designed algorithms are shown to be adaptive to the unknown propagation dynamics, and their first-order asymptotic optimality is demonstrated as the false alarm rate goes to zero. The algorithms can be implemented with linear computational complexity in the network size at each time step, which is critical for online implementation. Numerical simulations are provided to validate the theoretical results.

研究动机与目标

• 检测随时间传播并在不断增加的节点数上产生影响的网络动态事件。
• 设计一种序列算法，以尽可能快的速度识别出影响至少η个节点的‘显著’事件。
• 确保算法对未知传播动态具有自适应性，并维持受控的误报率。
• 实现每时间步线性计算复杂度，以支持实时在线部署。
• 将该框架从完全连通网络扩展至具有结构化传播特性的任意连通网络。

提出的方法

• 该算法在节点子集上使用修改后的CUSUM统计量，检测网络中观测统计量的变化。
• 采用对数似然比的滑动窗口，以跟踪节点行为随时间的变化。
• 检测阈值基于所有η节点连通子集上的累积和，以最小化检测延迟。
• 该方法利用递归结构以保持计算效率，并支持在线实现。
• 它利用网络拓扑结构，将检测限制在连通子图内，确保传播的物理合理性。
• 理论分析基于大数定律的弱律和尾概率的界，以建立渐近最优性。

实验结果

研究问题

• RQ1 如何设计一种序列检测算法，以检测在传播动态未知的情况下随时间传播的网络动态事件？
• RQ2 当事件至少影响η个节点时，检测延迟与误报率之间的最优权衡是什么？
• RQ3 在未知事件传播顺序或时间的情况下，算法能否保持一阶渐近最优性？
• RQ4 如何实现线性计算复杂度（与网络规模成线性关系）以支持实时部署？
• RQ5 与非拓扑感知方法相比，使用网络拓扑感知检测能带来多大的性能提升？

主要发现

• 所提出的算法在误报率趋近于零时达到一阶渐近最优性，意味着其检测延迟相对于理论下限最小化。
• 随着阈值b增大，期望检测延迟被有界于O(b)，且常数因子趋近于理论最小值。
• 该算法在每时间步保持线性计算复杂度O(L)，其中L为节点数，从而支持实时实现。
• 误报概率随阈值b呈指数衰减，确保对误报的强控制。
• 该方法对未知传播动态具有鲁棒性，在事件沿任意网络拓扑传播时仍表现良好。
• 数值仿真验证了理论结果，表明在完全连通网络和稀疏网络中均能实现快速检测和低误报率。