정보 확산 근원 탐지와 역감염 알고리즘

초록

본 논문은 SIR 모델 하에서 네트워크의 한 시점 스냅샷만을 이용해 정보 확산의 최초 발원지를 찾는 문제를 다룬다. 감염된 노드만 관측 가능한 상황에서, 가장 가능성 높은 샘플 경로의 루트 노드를 추정기로 선택한다. 무한 트리에서는 최대 거리 최소화 노드가 최적 추정기가 되며, 일반 그래프에서는 역감염 알고리즘을 제안한다. 정규 트리(g‑regular tree)에서 감염 확률 q와 차수 g가 gq>1을 만족하면, 추정기는 실제 근원으로부터 상수 거리 이내에 머물 확률이 높다. 시뮬레이션과 실제 네트워크 실험을 통해 기존 중심성 기반 방법보다 우수함을 입증한다.

상세 분석

이 연구는 정보 확산을 모델링하는 전통적인 SIR (Susceptible‑Infected‑Recovered) 프레임워크를 기반으로, 네트워크 상에서 단일 스냅샷만을 이용해 최초 감염자를 역추적하는 새로운 방법론을 제시한다. 기존 연구들은 주로 SI 혹은 IC 모델에 초점을 맞추어, 모든 감염 노드와 비감염 노드(또는 시간 정보)를 활용했지만, SIR 모델에서는 회복 노드가 관측 불가능해지는 특수한 난이도가 존재한다. 논문은 이 문제를 “샘플 경로 기반 추정”이라는 관점으로 전환한다. 즉, 관측된 감염 집합 I를 생성할 수 있는 모든 가능한 전파 경로(샘플 경로)를 고려하고, 그 중 확률적으로 가장 높은 경로의 시작점, 즉 루트 노드를 추정기로 선택한다.

핵심 이론적 결과는 무한 트리 구조에서 증명된다. 여기서는 트리의 각 노드가 동일한 차수를 갖는 경우를 가정하고, 감염 확률 q와 회복 확률을 포함한 전파 확률 모델을 정의한다. 저자들은 “최대 거리 최소화”(minimax distance) 노드, 즉 감염된 모든 노드와의 최장 거리를 최소화하는 노드가 샘플 경로 기반 추정기의 최적 해임을 수학적으로 증명한다. 이는 직관적으로 “중심”에 위치한 노드가 가장 가능성 높은 근원이라는 기존 중심성(Closeness Centrality) 가설과 유사하지만, SIR 특성상 회복 노드가 관측되지 않아도 동일한 최적성을 유지한다는 점이 차별점이다.

실제 그래프에 적용하기 위해 제안된 “역감염 알고리즘”(Reverse‑Infection Algorithm)은 감염된 노드 집합 I에서 시작해 그래프를 역방향으로 탐색한다. 구체적으로, 각 감염 노드에 대해 거리 레벨을 0으로 설정하고, 인접 노드에 대해 레벨을 1씩 증가시키며 BFS 형태로 전파한다. 모든 노드가 할당받은 레벨 중 최대값이 최소가 되는 노드들을 후보로 선정하고, 그 중 하나를 최종 추정기로 선택한다. 이 과정은 O(|V|+|E|) 시간 복잡도로 구현 가능해 대규모 네트워크에도 적용 가능하다.

정규 트리(g‑regular tree)에서 g·q>1이라는 조건은 전파가 지속적으로 확산될 수 있는 임계값을 의미한다. 이 경우, 논문은 확률론적 경계 분석을 통해 추정기가 실제 근원으로부터 일정 상수 거리 d 내에 존재할 확률이 1−ε (ε은 매우 작음)임을 보인다. 중요한 점은 이 상수 d가 감염된 노드 수나 스냅샷 시점에 의존하지 않는다는 것으로, 시간에 무관한 강건성을 제공한다.

시뮬레이션 결과는 트리 구조와 실제 복합 네트워크(예: 인터넷 AS 레벨, 소셜 네트워크) 모두에서 역감염 알고리즘이 기존 중심성 기반 추정기보다 평균 거리 오차가 현저히 낮음을 보여준다. 특히, 감염 비율이 낮고 회복 비율이 높은 상황에서도 알고리즘의 성능 저하가 미미해, 실용적인 적용 가능성을 높인다. 전체적으로 이 논문은 SIR 모델 하에서 관측 제한이 심한 상황에서도 근원을 효과적으로 추정할 수 있는 이론적 기반과 실용적 알고리즘을 동시에 제공한다는 점에서 큰 의의를 가진다.