인간 네트워크에서의 전염병 확산과 경고 메커니즘

초록

본 논문은 기존 SIS 모델에 ‘경고(Alert)’ 상태를 추가한 SAIS 모델을 제안한다. 감염자 주변에 있으면 감염자는 경고 상태로 전이되고, 경고 상태에서는 감염 확률이 감소한다. 연속시간 마코프 과정과 평균장 근사를 통해 2차원 ODE 시스템을 도출하고, 그래프 스펙트럼 반경과 중심다양체 이론을 이용해 두 개의 임계값을 analytically 증명한다. 첫 번째 임계값 이하에서는 감염이 지수적으로 소멸하고, 두 번째 임계값 이상에서는 지속되며, 두 임계값 사이에서는 초기 확산 후 경고 효과로 감염이 점차 사라진다. 시뮬레이션 결과가 이론을 뒷받침한다.

상세 분석

본 연구는 복잡 네트워크 위에서 전염병 확산을 기술하는 전통적인 SIS 모델에 인간의 인지·행동 반응을 반영한 새로운 컴파트먼트 ‘Alert’를 도입함으로써 모델링의 차원을 한 단계 끌어올렸다. 감염자와 인접한 감수성(S) 노드는 일정 비율(κ)로 경고(A) 상태로 전이되며, 경고 상태에서는 감염률이 βₐ(βₐ<β₀)로 감소한다. 이 전이 메커니즘을 연속시간 마코프 프로세스로 정의하고, Kolmogorov 전방 방정식을 평균장 근사(mean‑field approximation)하여 각 노드의 감수성, 감염, 경고 확률을 2N 차원의 비선형 ODE(식 13‑14)로 축소하였다. 중요한 수학적 기여는 두 개의 임계값 τ₁ᶜ와 τ₂ᶜ을 명시적으로 도출한 점이다. 첫 번째 임계값은 전통적인 SIS 모델의 역스펙트럼 반경 1/ρ(A)와 동일하게 나타나며, τ<τ₁ᶜ이면 감염 확률이 지수적으로 감소한다. 두 번째 임계값은 경고 전이율 κ와 감소된 감염률 βₐ를 포함한 복합식으로, τ>τ₂ᶜ이면 비자명한 고정점이 존재해 감염이 영구화된다. τ₁ᶜ<τ<τ₂ᶜ 구간에서는 초기 감염이 급증하나, 경고 상태가 급속히 확산하면서 효과적으로 감염 전파를 억제, 결국 감염이 서서히 소멸한다. 중심다양체 이론을 활용해 τ₁ᶜ와 τ₂ᶜ 사이의 동적 전이를 분석했으며, 이는 선형화만으로는 설명할 수 없는 비선형 안정성 특성을 정확히 포착한다. 정리 1은 동일 초기조건 하에 SAIS 모델의 감염 확률이 SIS 모델보다 항상 낮음을 증명함으로, 경고 메커니즘이 전염병 억제에 실질적인 효과가 있음을 이론적으로 뒷받침한다. 시뮬레이션에서는 무작위 그래프, 스케일프리 네트워크, 실제 사회연결망 등 다양한 토폴로지를 대상으로 두 임계값 현상을 재현했으며, 파라미터 κ와 βₐ의 변화가 임계값 위치에 미치는 영향을 정량적으로 제시하였다. 한계점으로는 평균장 근사에 따른 오차와 경고 상태에서 감수성으로 복귀하는 전이를 무시한 점, 그리고 정적 그래프 가정이 동적 접촉 네트워크에 바로 적용되기 어렵다는 점을 들 수 있다. 그럼에도 불구하고, 인간 행동을 수학적으로 모델링한 최초의 일반 그래프 기반 연구로서, 전염병 정책, 마스크 착용 캠페인, 사이버 보안(멀웨어 경고) 등 다양한 분야에 적용 가능성을 제시한다.