| 講演名 | 2022-05-12 なぜラプラシアン行列の小さい固有値を用いるとテンポラルネットワークの異常が検出しやすくなるのか？ 瀬川 絵里子(関西学院大), 作元 雄輔(関西学院大), |
|---|---|
| PDFダウンロードページ |  PDFダウンロードページへ |
| 抄録(和) | 現実の多くのネットワークはノードやそれらの関係性が時間とともに変化するテンポラルネットワークであり，その異常を検出する技術が求められている，LAD (Laplacian Anomaly Detection) はネットワークの構造をラプラシアン行列で表現し，その行列の固有値を値の大きい順に並べた際に上位にくる固有値を用いてテンポラルネットワークの異常を検出しようとする．我々はこれまでに，LAD において上位と下位の固有値を組み合わせて用いることで異常の検出成功率が大幅に向上することを示してきたが，その理由を十分明らかにできていなかった．本稿では，様々な異常を有するテンポラルネットワークを用いた実験を通じて，上位と下位の固有値を組み合わせることが異常の検出に有用となる理由を考察する． |
| 抄録(英) | Many real networks are temporal networks in which the nodes and their relationships change over time, and technology to detect anomalies is needed for such networks. LAD~(Laplacian Anomaly Detection) is an innovative method to detect anomalies in temporal networks using the large eigenvalues of the Laplacian matrix that represents the network structure. In previous work, we clarified that the success rate of anomaly detection by LAD improved significantly using a combination of small and large eigenvalues, but the reason for this has not been fully elucidated. In this paper, we discuss why the combination of large and small eigenvalues is useful for anomaly detection through experiments using temporal networks with various types of anomalies. |
| キーワード(和) | 異常検知 / 動的ネットワーク / スペクトラルグラフ理論 / ラプラシアン行列 / 社会ネットワーク分析 |
| キーワード(英) | Anormaly Detection / Dynamic Network / Spectral Graph Theory / Laplacian Matrix / Social Network Analysis |
| 資料番号 | CQ2022-9 |
| 発行日 | 2022-05-05 (CQ) |
| 研究会情報 | |
| 研究会 | CQ / CS |
|---|---|
| 開催期間 | 2022/5/12(から2日開催) |
| 開催地（和） | 福井 (福井県) |
| 開催地（英） | Fukui (Fuku Pref.) |
| テーマ（和） | 光／無線アクセスとそれらの融合、通信行動、QoEと心理、QoS、通信品質の評価・計測・制御・最適化、ネットワークサービス、無線ネットワーク、MIMO・ダイバーシチ・マルチプレキシング、一般 |
| テーマ（英） | Optical/Wireless Access and Their Integration, Communication Behavior, QoE and Psychology, Assessment / Measurement / Control / Optimization of Communication Quality, Network Services, Wireless Networks, MIMO/Diversity/Multiplexing Techniques, etc. |
| 委員長氏名（和） | 岡本 淳(NTT) / 寺田 純(NTT) |
| 委員長氏名（英） | Jun Okamoto(NTT) / Jun Terada(NTT) |
| 副委員長氏名（和） | 平栗 健史(日本工大) / 長谷川 剛(東北大) / 梅原 大祐(京都工繊大) |
| 副委員長氏名（英） | Takefumi Hiraguri(Nippon Inst. of Tech.) / Gou Hasegawa(Tohoku Univ.) / Daisuke Umehara(Kyoto Inst. of Tech.) |
| 幹事氏名（和） | アベセカラ ヒランタ(NTT) / 山本 寛(立命館大) / 吉田 悠来(NICT) / 原 一貴(NTT) |
| 幹事氏名（英） | Hirantha Abeysekera(NTT) / Hiroshi Yamamoto(Ritsumeikan Univ.) / Yuki Yoshida(NICT) / Kazutaka Hara(NTT) |
| 幹事補佐氏名（和） | 西川 由明(NEC) / 堅岡 良知(KDDI総合研究所) / 川嶋 喜美子(NTT) / 山浦 隆博(東芝) / 井田 悠太(山口大) |
| 幹事補佐氏名（英） | Yoshiaki Nishikawa(NEC) / Ryoichi Kataoka(KDDI Research) / Kimiko Kawashima(NTT) / Takahiro Yamaura(Toshiba) / Yuta Ida(Yamaguchi Univ.) |
| 講演論文情報詳細 | |
| 申込み研究会 | Technical Committee on Communication Quality / Technical Committee on Communication Systems |
|---|---|
| 本文の言語 | JPN |
| タイトル（和） | なぜラプラシアン行列の小さい固有値を用いるとテンポラルネットワークの異常が検出しやすくなるのか？ |
| サブタイトル（和） | |
| タイトル（英） | Why Do Small Eigenvalues of Laplacian Matrix Improve Anomaly Detection of Temporal Networks? |
| サブタイトル（和） | |
| キーワード(1)（和/英） | 異常検知 / Anormaly Detection |
| キーワード(2)（和/英） | 動的ネットワーク / Dynamic Network |
| キーワード(3)（和/英） | スペクトラルグラフ理論 / Spectral Graph Theory |
| キーワード(4)（和/英） | ラプラシアン行列 / Laplacian Matrix |
| キーワード(5)（和/英） | 社会ネットワーク分析 / Social Network Analysis |
| 第 1 著者 氏名（和/英） | 瀬川 絵里子 / Eriko Segawa |
| 第 1 著者 所属（和/英） | 関西学院大学(略称：関西学院大) Kwansei Gakuin University(略称：Kwansei Gakuin Univ.) |
| 第 2 著者 氏名（和/英） | 作元 雄輔 / Yusuke Sakumoto |
| 第 2 著者 所属（和/英） | 関西学院大学(略称：関西学院大) Kwansei Gakuin University(略称：Kwansei Gakuin Univ.) |
| 発表年月日 | 2022-05-12 |
| 資料番号 | CQ2022-9 |
| 巻番号（vol） | vol.122 |
| 号番号（no） | CQ-15 |
| ページ範囲 | pp.44-49(CQ), |
| ページ数 | 6 |
| 発行日 | 2022-05-05 (CQ) |