동적 복합 네트워크의 1차 분기 탐지

본 논문은 동적 복합 네트워크에서 일차 분기(bifurcation) 현상을 탐지하기 위한 새로운 프레임워크를 제시한다. 서론에서는 물리, 사회, 금융, 생물학 등 다양한 분야에서 시스템이 내부 혹은 외부 요인에 의해 급격히 상태가 변하는 현상을 ‘분기’라고 정의하고, 이를 네트워크 수준에서 식별하는 필요성을 강조한다. 기존 연구는 주로 그래프 라플라시안 기반의 스펙트럴 방법이나 커뮤니티 탐지에 초점을 맞췄으나, 본 연구는 노드 중심성을 활용해 구조적 변화를 다차원적으로 포착하고, 엔트로피 기반의 정보 발산을 정량화한다는 점에서 차별성을 가진다. 2절에서는 그래프 표기법을 정리한다. 무방향 가중 그래프 G=(V,E,W)와 라플라시안 L=D−W를 정의하고, 동적 네트워크를 동일한 노드 집합을 갖는 시계열 그래프 {Gₜ}ₜ=1ᵀ 로 모델링한다. 3절에서는 중심성 기반 진단 방법을 상세히 설명한다. degree, eigenvector centrality, local Fiedler vector centrality(LFVC), closeness, betweenness, local clustering coefficient(LCC) 등 6가지 기본 지표와 h‑hop walk 가중치를 포함한 확장 특성을 선택해 Xₜ∈ℝⁿˣᵖ 를 만든다. 이후 PCA, t‑SNE, UMAP 등 차원 축소 기법을 적용해 Yₜ∈ℝⁿˣˡ 로 변환한다. 차원 축소된 데이터에 대해 최소 부피 타원체(MVE)를 구하기 위해 SDP 기반 최적화 문제(1)를 풀며, 타원체는 중심 c와 형태 행렬 P=Q² 로 정의된다. 이 타원체는 네트워크 상태의 확률적 신뢰구간을 제공하고, 시계열 상에서 타원체 중심의 이동을 통해 구조적 변화를 시각화한다. 4절에서는 von Neumann 그래프 엔트로피(VNGE)를 도입한다. 라플라시안 L를 trace(L)⁻¹ 로 정규화한 L_c의 고유값 λᵢ를 이용해 V=−∑ λᵢ log λᵢ 로 정의되며, 이는 그래프 스펙트럼을 확률분포로 해석한 Shannon 엔트로피와 동일하다. 그러나 전체 고유값을 계산해야 하는 O(n³) 복잡도가 실용성을 저해한다. 이를 해결하기 위해 저자는 로그 전개식의 2차 테일러 근사를 적용해 V≈Q=1−c² dᵀd+1ᵀ(W∘W)1 로 변형한다. 여기서 d는 L의 대각원소, W는 가중 인접행렬, ∘는 원소별 곱이다. 이 근사는 O(n²) 연산만 필요하고, n→∞, λ_max≈λ_min, 그리고 양의 고유값 수 n₊가 n에 비례하는 경우 Q가 V·log n에 수렴한다는 asymptotic consistency를 증명한다(정리 1). 5절에서는 실험을 통해 제안 방법의 유효성을 검증한다. UNB 사이버 침입 탐지 데이터셋에서 6일 동안 수집된 두 그래프 시퀀스(정상, 비정상)를 사용한다. 정상 시퀀스는 일관된 중심성 특성을 보이지만, 비정상 시퀀스는 4일 차부터 급격히 변한다. PCA 기반 중심성 특징을 3차원으로 시각화하고, MVE를 적용한 결과 두 시퀀스가 3일 차 이후 분기하는 궤적을 형성한다. Hotelling T² 검정으로 각 일별 중심성 타원체 중심 차이를 검증한 결과, 4일 차에 p‑값이 0.01 이하로 떨어져 통계적으로 유의한 변화를 확인한다. VNGE 분석에서도 정상·비정상 시퀀스의 Z‑score 궤적이 뚜렷이 구분되며, 비정상 네트워크는 공격 후 이질성이 증가해 엔트로피가 감소한다는 현상이 관찰된다. 근사 VNGE와 정확 VNGE의 시간적 추세는 거의 일치해 제안된 O(n²) 근사의 실용성을 입증한다. 6절 결론에서는 네트워크 중심성과 VNGE가 동적 네트워크의 일차 분기 탐지에 효과적임을 요약한다. 중심성은 구조적 변화를 다차원적으로 포착하고, VNGE는 정보 발산을 정량화한다. 향후 연구 방향으로는 중심성 선택 최적화, 비선형 차원 축소와의 결합, 다른 엔트로피 지표와의 비교, 그리고 생물학·사회 시스템 등 다양한 도메인에의 적용을 제시한다.