8. Mai 2024 |

Aufdeckung von Anomalien für sicherere Verbindungen

Innovative Erkenntnisse aus dem Cyber Valley Research Fund

Image: Cyber Valley

Ein kürzlich abgeschlossenes Forschungsprojekt, das vom Cyber Valley Research Fund finanziert wurde, hat die entscheidende Bedeutung der Identifizierung von Annomalien beim Verhalten in sozialen Netzwerken und darüber hinaus hervorgehoben. Unter der Leitung von Dr. Caterina De Bacco, haben Hadiseh Safdari, Postdoktorandin, und Martina Contisciani, Doktorandin, das Projekt "Anomaly Detection in Networks: Reciprocated and Dynamic Networks" umgesetzt. Es wurde seit September 2021 vom Cyber Valley Research Fund gefördert und im Dezember 2023 abgeschlossen.

Sechs der Gündungspartner von Cyber Valley haben sich großzügig am Cyber Valley Research Fund beteiligt, mit insgesamt fünf Millionen Euro, um unabhängige Grundlagenforschung zu ermöglichen. Forschungsgruppen waren aufgefordert, Projektanträge für den Forschungsfonds einzureichen, welche das Cyber Valley Public Advisory Board unter Berücksichtigung wissenschaftlicher Exzellenz sowie ethischer und gesellschaftlicher Überlegungen evaluierte.

Das Hauptziel des Forschungsprojekts war die Erkennung von Anomalien in Datensätzen von Netzwerken, wobei der Schwerpunkt in erster Linie auf der Identifizierung von Anomalien in verschiedenen Netzwerktypen lag, einschließlich sozialer, Kommunikations- und Transportnetzwerke. Somit könnte frühzeitig vor Unregelmäßigkeiten oder potenziellen Bedrohungen gewarnt werden.

Die Forschung führte einen neuartigen Ansatz ein, der die Gemeinschaftsstruktur mit der Erkennung von Anomalien kombinierte und so die Identifizierung von Anomalien als sog. “Edges” ermöglichte, die von regulären Mustern abweichen. Diese innovative Technik nutzte den zeitlichen Verlauf der Struktur dynamischer Netzwerke und leitete Anomalien ab, indem sie Domänenwissen, wie z. B. die Mitgliedschaft in der Gemeinschaft, in die Analyse integrierte.

Das Projekt lieferte vielversprechende Ergebnisse und zeigte die Genauigkeit des Modells bei der Erfassung von Community- und Anomaliestrukturen sowie seine signifikante “performance” bei der Vorhersage von Verbindungen innerhalb von Netzwerken. Die entwickelten Ideen und Methoden bieten relevante Anwendungen, insbesondere in Bereichen wie Cybersicherheit und Analyse sozialer Netzwerke, und bieten vielversprechende Wege zur Bewältigung kritischer Herausforderungen wie Betrugserkennung und Verbesserung der Netzwerksicherheit. Dazu gehören Anwendungen wie die Aufdeckung gefälschter Benutzer auf Social-Media-Plattformen und die Erkennung betrügerischer Aktivitäten bei Finanztransaktionen.

Darüber hinaus lieferte die Forschung wertvolle Einblicke in die Dynamik realer Netzwerke, indem sie die Community-Struktur zusammen mit dynamischen Mustern von Ergänzungen und Löschungen bei den “Edges” nutzte. Letztendlich hat das Projekt nicht nur das wissenschaftliche Verständnis der Netzwerkdynamik verbessert, sondern birgt auch ein erhebliches Potenzial für sinnvolle Anwendungen in der realen Welt. Diese Entdeckungen eröffnen neue Möglichkeiten, komplexe Probleme anzugehen und die Sicherheit und Effizienz verschiedener Netzwerksysteme zu verbessern.

Aus diesem Projekt sind drei begutachtete Publikationen hervorgegangen:

"Anomalieerkennung und Community-Erkennung in Netzwerken", H. Safdari und C. De Bacco, J Big Data 9, 122, https://doi.org/10.1186/s40537-022-00669-1, 2022.
"Anomalie, Reziprozität und Gemeinschaftserkennung in Netzwerken", H. Safdari, M. Contisciani und C. De Bacco, Phys. Rev. Research 5, 033084, https://link.aps.org/doi/10.1103/PhysRevResearch.5.033084, 2023.
"Community detection and anomaly prediction in dynamic networks", H. Safdari und C. De Bacco, work in progress, 2024. Paper und Preprint werden voraussichtlich bis April 2024 eingereicht.

Sie brachte auch zwei Erfindungen hervor: