具有可证明保证的多感染源识别

给定网络中一次级联事件的后果，即流行病爆发或谣言/蠕虫/病毒传播后的一组“已感染”节点 $V_I$，如何推断级联的源头？回答这一具有挑战性的问题对计算机取证、漏洞分析和风险管理至关重要。尽管近来对该问题的关注日益增加，但现有工作大多仅关注单源检测或简单网络拓扑（如树或网格）。本文提出一种识别感染源的新方法，通过搜索一个种子集 $S$，使得从 $S$ 出发的级联与给定的已感染节点集 $V_I$ 之间的对称差最小。我们的主要成果是一种近似算法 SISI，可在无需先验已知源节点数量的情况下识别感染源。据我们所知，SISI 是首个在一般图上对该问题具有可证明保证的算法。它以高概率返回一个 $\frac{2}{(1-\epsilon)^2}\Delta$-近似解，其中 $\Delta$ 表示 $V_I$ 中可能感染网络中单个节点的最大节点数。在真实世界网络上的实验表明，我们的方法和 SISI 在检测真实源头方面具有优越性，将最先进方法 NETSLEUTH 的 F1 度量从几个百分点提升至约 50%。