Verwenden von Math auszurotten Rumors , Epidemien und Crime
Die Ermittler sind sich dessen bewusst , wie schwierig es ist, eine rechtswidrige Handlung zu seiner Quelle zu verfolgen. Der Job war wohl leichter mit alten , mafia- kriminellen Organisationen , deren hierarchische Strukturen mehr oder weniger ähnlich vorhersehbar Stammbäume.
Im Zeitalter des Internets , aber die durch organisierte Kriminelle Netzwerke haben sich geändert. Unzählige Knoten und Verbindungen zu eskalieren die Komplexität dieser Netzwerke , so dass es immer schwieriger, auszurotten die Schuldigen . EPFL -Forscher Pedro Pinto des audiovisuellen Kommunikation Laboratory und seine Kollegen haben einen Algorithmus, der ein wertvoller Verbündeter für die Ermittler , Straf- oder anders werden könnte , solange ein Netzwerk beteiligt entwickelt. Forschung des Teams war veröffentlicht am 10. August 2012 in der Fachzeitschrift Physical Review Letters .
Die Suche nach der Quelle einer Facebook- Gerücht
"Mit unserer Methode können wir die Quelle von allen möglichen Dingen zirkulierenden in einem Netzwerk nur von ' hören ' , um eine begrenzte Anzahl von Mitgliedern dieses Netzwerk zu finden ", so Pinto . Nehmen wir an, Sie über ein Gerücht über sich selbst , die auf Facebook verbreitet hat und zu 500 Personen versendet werden - Ihre Freunde oder sogar Freunde Ihrer Freunde. Wie sehen Sie die Person, die das Gerücht finden? " Mit Blick auf die von nur 15 Ihrer Freunde empfangenen Nachrichten , und unter Berücksichtigung des Zeitfaktors , kann unser Algorithmus den Pfad dieser Information zurück zu verfolgen und um die Quelle," fügt Pinto . Dieses Verfahren kann auch verwendet werden, um den Ursprung einer Spam-Nachricht oder eines Computervirus unter Verwendung nur einer begrenzten Anzahl von Sensoren innerhalb des Netzwerks zu identifizieren.
Verfolgen Sie die Ausbreitung einer Epidemie
In der realen Welt kann der Algorithmus verwendet, um die Primärquelle einer infektiösen Krankheit zu finden , wie beispielsweise Cholera . "Wir haben unsere Methode mit Daten zu einer Epidemie in Südafrika von EPFL -Professor Andrea Rinaldo Ökohydrologie Laboratory ", sagt Pinto . " Durch die Modellierung Wassernetzen , Flussnetzeund Menschenverkehrsnetze , konnten wir die Stelle, wo die ersten Fälle von Infektionen durch die Überwachung nur einen kleinen Teil der Dörfer erschienen zu finden. "
Das Verfahren wäre auch nützlich bei der Reaktion auf Terroranschläge , wie die 1995 Sarin-Anschlag in der Tokioter U-Bahn , in denen giftige Gas in unterirdischen Tunneln der Stadt veröffentlicht tötete 13 Menschen und verletzte fast 1.000 mehr . " Mit diesem Algorithmus , wäre es nicht notwendig sein, jede Station mit Detektoren auszustatten. Eine Probe ausreichen würde, um schnell zu identifizieren den Ursprung des Angriffs , und Maßnahmen könnten getroffen werden , bevor es zu weit verbreitet ", sagt Pinto .
Identifizierung der Kopf hinter einem Terroranschlag
Computersimulationen der Telefongespräche , die während der Terroranschläge vom 11. September 2001 stattgefunden haben könnte , wurden verwendet, um Pinto System zu testen. "Durch die Rekonstruktion der Nachrichtenaustausch innerhalb des 9/11 Terrornetzwerk von öffentlich veröffentlichten Nachrichten extrahiert , spucken unser System die Namen der drei möglichen Verdächtigen von denen gefunden wurde , um das Mastermind der Anschläge sein , so die offizielle Anfrage . "
Die Gültigkeit dieser Methode somit wurde a posteriori bewiesen. Aber nach Pinto, es könnte auch präventiv eingesetzt werden - zum Beispiel, um einen Ausbruch zu verstehen, bevor sie außer Kontrolle gerät . " Durch die sorgfältige Auswahl Punkten im Netzwerk zu testen , können wir schneller die Ausbreitung einer Epidemie zu erkennen ", betont er. Es könnte auch ein wertvolles Werkzeug für die Werbetreibenden, die virale Marketing- Strategien durch die Nutzung der Internet und soziale Netzwerke , um Kunden zu erreichen. Zum Beispiel würde dieser Algorithmus es ihnen ermöglichen, die spezifischen Internet-Blogs , die zu den einflussreichsten für ihre Zielgruppe sind und zu verstehen, wie in diesen Artikeln in der gesamten Online-Community zu verbreiten identifizieren.