講演抄録/キーワード |
講演名 |
2021-09-09 10:55
ラプラシアン行列の固有値を用いたテンポラルネットワークの異常検出に対する改良方法の提案 ○瀬川絵里子・谷口豊明・作元雄輔(関西学院大) CQ2021-40 |
抄録 |
(和) |
現実の多くのネットワークはノード間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,テンポラルネットワークの異常を検出する技術は現実社会で発生する様々な問題を分析する上で非常に重要である. これまでに,テンポラルネットワークの異常検出に対する革新的な方法として,LAD (Laplacian Anomaly Detection) が提案されている.LAD は,ネットワークの構造を表すラプラシアン行列の一部の固有値に対する時系列データから,各時刻における異常スコア(正常な状態からどの程度逸脱しているかを表す指標)を計算し,異常スコアに基づいてネットワークの異常を検出しようとしている.LAD では,値の大きい順に上位の固有値だけを用いることを考えているが,ラプラシアン行列における値の小さな固有値にはネットワークの大域的な構造に関する重要な情報が含まれている.そのため,下位の固有値の時系列データは,テンポラルネットワークの異常を捉える上で重要な働きをするものと考えられる.そこで本稿では,LAD においてラプラシアン行列の大きな固有値だけでなく小さい固有値も用いる改良方法を提案し,その改良方法の有効性を明らかにする.評価を通じて,提案する改良方法はLADによる異常検出の精度を大幅に向上できることを示す. |
(英) |
Many networks in the real world are dynamic and temporal wherein relationships among nodes change with time. Technologies to detect anomalies in dynamic networks are crucial to investigate various problems of society. The Laplacian anomaly detection (LAD) has been proposed as an innovative method for detecting anomalies in dynamic networks. LAD calculates the anomaly score, i.e., an indicator of the degree of deviation from the normal state, at each time from timeseries data for some eigenvalues of the Laplacian matrix, which represents the structure of networks. Using the calculated anomaly scores, LAD detects the anomaly in the dynamic network. The original LAD uses only the large eigenvalues of the Laplacian matrix; other eigenvalue combinations have not been discussed for anomaly detection. Based on spectral graph theory, small eigenvalues contain relevant information about the global structure of a network. Therefore, small eigenvalues are crucial for detecting large-scale anomalies in dynamic networks, and their use should improve the accuracy of LAD. Herein, we propose an improvement that uses not only the large eigenvalues but also the small eigenvalues of the Laplacian matrix for calculating anomaly scores in LAD. Through the evaluation, we clarify that the proposed improvement can significantly improve the accuracy of anomaly detection in LAD. |
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 / / / |
(英) |
Anormaly Detection / Dynamic Network / Spectral Graph Theory / Laplacian Matrix / Social Network Analysis / / / |
文献情報 |
信学技報, vol. 121, no. 173, CQ2021-40, pp. 17-22, 2021年9月. |
資料番号 |
CQ2021-40 |
発行日 |
2021-09-02 (CQ) |
ISSN |
Online edition: ISSN 2432-6380 |
著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します.(許諾番号:10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) |
PDFダウンロード |
CQ2021-40 |
研究会情報 |
研究会 |
CQ MIKA |
開催期間 |
2021-09-09 - 2021-09-10 |
開催地(和) |
オンライン開催 |
開催地(英) |
Online |
テーマ(和) |
無線通信品質、6G、IoT、無線伝送、リソース制御、クロスレイヤー技術、一般 |
テーマ(英) |
Wireless Communications Quality, 6G, IoT, Resource Management, Wireless Transmission, Cross layer Technologies, etc. |
講演論文情報の詳細 |
申込み研究会 |
CQ |
会議コード |
2021-09-CQ-MIKA |
本文の言語 |
日本語 |
タイトル(和) |
ラプラシアン行列の固有値を用いたテンポラルネットワークの異常検出に対する改良方法の提案 |
サブタイトル(和) |
|
タイトル(英) |
Proposal of an Improving Method for the Laplacian Anomaly Detection of Temporal Networks |
サブタイトル(英) |
|
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 |
キーワード(6)(和/英) |
/ |
キーワード(7)(和/英) |
/ |
キーワード(8)(和/英) |
/ |
第1著者 氏名(和/英/ヨミ) |
瀬川 絵里子 / Eriko Segawa / セガワ エリコ |
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/ヨミ) |
谷口 豊明 / Toyoaki Taniguchi / |
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.) |
第3著者 氏名(和/英/ヨミ) |
作元 雄輔 / Yusuke Sakumoto / |
第3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4著者 氏名(和/英/ヨミ) |
/ / |
第4著者 所属(和/英) |
(略称: )
(略称: ) |
第5著者 氏名(和/英/ヨミ) |
/ / |
第5著者 所属(和/英) |
(略称: )
(略称: ) |
第6著者 氏名(和/英/ヨミ) |
/ / |
第6著者 所属(和/英) |
(略称: )
(略称: ) |
第7著者 氏名(和/英/ヨミ) |
/ / |
第7著者 所属(和/英) |
(略称: )
(略称: ) |
第8著者 氏名(和/英/ヨミ) |
/ / |
第8著者 所属(和/英) |
(略称: )
(略称: ) |
第9著者 氏名(和/英/ヨミ) |
/ / |
第9著者 所属(和/英) |
(略称: )
(略称: ) |
第10著者 氏名(和/英/ヨミ) |
/ / |
第10著者 所属(和/英) |
(略称: )
(略称: ) |
第11著者 氏名(和/英/ヨミ) |
/ / |
第11著者 所属(和/英) |
(略称: )
(略称: ) |
第12著者 氏名(和/英/ヨミ) |
/ / |
第12著者 所属(和/英) |
(略称: )
(略称: ) |
第13著者 氏名(和/英/ヨミ) |
/ / |
第13著者 所属(和/英) |
(略称: )
(略称: ) |
第14著者 氏名(和/英/ヨミ) |
/ / |
第14著者 所属(和/英) |
(略称: )
(略称: ) |
第15著者 氏名(和/英/ヨミ) |
/ / |
第15著者 所属(和/英) |
(略称: )
(略称: ) |
第16著者 氏名(和/英/ヨミ) |
/ / |
第16著者 所属(和/英) |
(略称: )
(略称: ) |
第17著者 氏名(和/英/ヨミ) |
/ / |
第17著者 所属(和/英) |
(略称: )
(略称: ) |
第18著者 氏名(和/英/ヨミ) |
/ / |
第18著者 所属(和/英) |
(略称: )
(略称: ) |
第19著者 氏名(和/英/ヨミ) |
/ / |
第19著者 所属(和/英) |
(略称: )
(略称: ) |
第20著者 氏名(和/英/ヨミ) |
/ / |
第20著者 所属(和/英) |
(略称: )
(略称: ) |
第21著者 氏名(和/英/ヨミ) |
/ / |
第21著者 所属(和/英) |
(略称: )
(略称: ) |
第22著者 氏名(和/英/ヨミ) |
/ / |
第22著者 所属(和/英) |
(略称: )
(略称: ) |
第23著者 氏名(和/英/ヨミ) |
/ / |
第23著者 所属(和/英) |
(略称: )
(略称: ) |
第24著者 氏名(和/英/ヨミ) |
/ / |
第24著者 所属(和/英) |
(略称: )
(略称: ) |
第25著者 氏名(和/英/ヨミ) |
/ / |
第25著者 所属(和/英) |
(略称: )
(略称: ) |
第26著者 氏名(和/英/ヨミ) |
/ / |
第26著者 所属(和/英) |
(略称: )
(略称: ) |
第27著者 氏名(和/英/ヨミ) |
/ / |
第27著者 所属(和/英) |
(略称: )
(略称: ) |
第28著者 氏名(和/英/ヨミ) |
/ / |
第28著者 所属(和/英) |
(略称: )
(略称: ) |
第29著者 氏名(和/英/ヨミ) |
/ / |
第29著者 所属(和/英) |
(略称: )
(略称: ) |
第30著者 氏名(和/英/ヨミ) |
/ / |
第30著者 所属(和/英) |
(略称: )
(略称: ) |
第31著者 氏名(和/英/ヨミ) |
/ / |
第31著者 所属(和/英) |
(略称: )
(略称: ) |
第32著者 氏名(和/英/ヨミ) |
/ / |
第32著者 所属(和/英) |
(略称: )
(略称: ) |
第33著者 氏名(和/英/ヨミ) |
/ / |
第33著者 所属(和/英) |
(略称: )
(略称: ) |
第34著者 氏名(和/英/ヨミ) |
/ / |
第34著者 所属(和/英) |
(略称: )
(略称: ) |
第35著者 氏名(和/英/ヨミ) |
/ / |
第35著者 所属(和/英) |
(略称: )
(略称: ) |
第36著者 氏名(和/英/ヨミ) |
/ / |
第36著者 所属(和/英) |
(略称: )
(略称: ) |
講演者 |
第1著者 |
発表日時 |
2021-09-09 10:55:00 |
発表時間 |
20分 |
申込先研究会 |
CQ |
資料番号 |
CQ2021-40 |
巻番号(vol) |
vol.121 |
号番号(no) |
no.173 |
ページ範囲 |
pp.17-22 |
ページ数 |
6 |
発行日 |
2021-09-02 (CQ) |
|