[论文解读] Random intersection graphs and their applications in security, wireless communication, and social networks

Jun Zhao, Osman Yağan+1 more|arXiv (Cornell University)|Feb 11, 2015

Security in Wireless Sensor Networks参考文献 50被引用 6

一句话总结

本文研究随机交集图及其与埃拉多什-雷尼和随机几何图的复合结构，以建模安全无线传感器网络和社会网络。在关键参数的不同缩放制度下，建立了连通性、k-连通性、鲁棒性、完美匹配和哈密顿圈包含的渐近精确零一律，显示出与埃拉多什-雷尼图类似但具有不同聚类特性的阈值行为。

ABSTRACT

Random intersection graphs have received much interest and been used in diverse applications. They are naturally induced in modeling secure sensor networks under random key predistribution schemes, as well as in modeling the topologies of social networks including common-interest networks, collaboration networks, and actor networks. Simply put, a random intersection graph is constructed by assigning each node a set of items in some random manner and then putting an edge between any two nodes that share a certain number of items. Broadly speaking, our work is about analyzing random intersection graphs, and models generated by composing it with other random graph models including random geometric graphs and Erdős-Rényi graphs. These compositional models are introduced to capture the characteristics of various complex natural or man-made networks more accurately than the existing models in the literature. For random intersection graphs and their compositions with other random graphs, we study properties such as ($k$-)connectivity, ($k$-)robustness, and containment of perfect matchings and Hamilton cycles. Our results are typically given in the form of asymptotically exact probabilities or zero-one laws specifying critical scalings, and provide key insights into the design and analysis of various real-world networks.

研究动机与目标

• 分析随机交集图及其与其他随机图模型复合的结构特性，以更好地模拟现实世界网络。
• 在不同参数缩放下研究随机交集图中的连通性、k-连通性、k-鲁棒性、完美匹配和哈密顿圈包含。
• 通过复合图模型，在链路不可靠性和传输范围限制等实际约束下，对安全无线传感器网络进行建模。
• 比较随机交集图与埃拉多什-雷尼图的行为，特别是在阈值现象和聚类效应方面的差异。
• 在一般参数缩放制度下，为关键网络特性提供渐近精确的概率阈值（零一律）。

提出的方法

• 通过两种变体建模随机交集图：均匀型（每个节点从Pn个物品池中独立选择Kn个不同物品）和二项型（每个物品以概率tn独立分配）。
• 通过图交集将随机交集图与埃拉多什-雷尼图（用于建模链路不可靠性）和随机几何图（用于建模传输范围约束）进行复合。
• 在n、Kn、Pn、qn和rn的一般缩放律下进行渐近分析，推导网络特性的零一律。
• 应用极值理论和泊松近似技术，推导连通性和鲁棒性的极限概率。
• 考虑两种部署环境：环面（无边界效应）和正方形（有边界效应），推导出不同的连通性缩放条件。
• 推导出临界缩放阈值（例如，πrn²Kn²/Pn ∼ a·ln n/n），以确定网络连通性和鲁棒性的相变。

实验结果

研究问题

• RQ1 在完全可见性和传输范围约束下，随机交集图与随机几何图复合后，其连通性的临界缩放律是什么？
• RQ2 链路不可靠性（由埃拉多什-雷尼边建模）如何影响随机交集图的k-连通性和鲁棒性？
• RQ3 在何种参数制度下，随机交集图包含完美匹配或哈密顿圈？
• RQ4 随机交集图的结构特性与具有相同边密度的埃拉多什-雷尼图相比有何异同？
• RQ5 边界效应（在正方形与环面部署中）对复合随机交集-几何图的连通性阈值有何影响？

主要发现

• 在环面上，对于G1(n, Kn, Pn) ∩ GRGG(n, rn, T)，当πrn²Kn²/Pn ∼ a·ln n/n且a > 1时，连通性以高概率成立；当a < 1时则不成立。
• 在正方形中（存在边界效应），对于G1(n, Kn, Pn) ∩ GRGG(n, rn, S)，当πrn²Kn²/Pn ∼ b·ln nPn/(Kn²n)且b > 1时，连通性以高概率成立。
• Gs(n, Kn, Pn) ∩ GER(n, qn)的最小度在分布上收敛于参数为e^{-α*}的泊松分布，其中α*是序列αn的极限。
• Gs(n, Kn, Pn) ∩ GER(n, qn)的k-连通性表现出依赖于αn极限的零一律，其概率收敛于e^{-e^{-α*}}/(k-1)!。
• 在确保连通性的相同缩放条件下，交集图G1(n, Kn, Pn) ∩ GRGG(n, rn, S)中孤立节点的出现消失。
• 与相同边概率的埃拉多什-雷尼图相比，随机交集图具有更高的聚类性，表明其在边密度之外存在结构性差异。