Flood Response under Crowd Misinformation: Robust Belief Fusion and UAV Verification Prioritization

तकनीकी सारांश: भीड़ के दुष्प्रचार (Misinformation) के तहत बाढ़ प्रतिक्रिया

समस्या विवरण
बाढ़ आपातकालीन एजेंसियां तेजी से एक दोहरी-धारा सूचना वास्तुकला (dual-stream information architecture) पर निर्भर हो रही हैं: उच्च-मात्रा, कम-लागत वाली क्राउडसोर्स्ड रिपोर्ट (सोशल मीडिया और आपसी सहायता दस्तावेजों से) और दुर्लभ, उच्च-सटीकता वाले मानव रहित हवाई वाहन (UAV) निरीक्षण। जबकि क्राउडसोर्स्ड डेटा गति प्रदान करता है, यह संरचित दुष्प्रचार के प्रति संवेदनशील है, जिसमें घबराहट से उत्पन्न झूठी सूचनाएं, पुराना हो चुका फॉरवर्डिंग (stale forwarding), और जानबूझकर किए गए समन्वित अफवाहें शामिल हैं।

मुख्य परिचालन चुनौती केवल सड़क की स्थिति का अनुमान लगाना नहीं है, बल्कि अनिश्चित स्रोत विश्वसनीयता (uncertain source credibility) के तहत मजबूत प्रेषण निर्णय (dispatch decisions) लेना है (जैसे, बस-ब्रिजिंग और बचाव आवंटन)। पारंपरिक फ्यूजन नियम अक्सर स्रोत विश्वसनीयता को एक निश्चित, ज्ञात बिंदु अनुमान (point estimate) के रूप में मानते हैं। यह दृष्टिकोण नाजुक है: यदि कोई विरोधी एक विशिष्ट स्रोत वर्ग के रूप में छद्म रूप में प्रस्तुत किए गए समान दावों की बाढ़ डाल देता है, या यदि प्रारंभिक विश्वसनीयता अनुमान सांख्यिकीय रूप से शोर (noisy) वाला है, तो फ्यूजन नियम इन त्रुटियों को सीधे प्रेषण निर्णयों में प्रसारित कर देता है, जिससे यात्री फंस सकते हैं या राहत कार्य गलत दिशा में जा सकता है। यह शोध इस बात पर केंद्रित है कि जब क्राउड स्रोतों की विश्वसनीयता सांख्यिकीय रूप से अनिश्चित या प्रतिकूल रूप से हेरफेर की गई हो, तो दुर्लभ UAV सत्यापन संसाधनों को कैसे आवंटित किया जाए।

कार्यप्रणाली (Methodology)
लेखक डिस्ट्रीब्यूशनल रोबस्ट ऑप्टिमाइज़ेशन (DRO) और क्रेडल इन्फरेंस (Credial Inference) पर आधारित एक निर्णय ढांचा प्रस्तावित करते हैं। कार्यप्रणाली में तीन एकीकृत घटक शामिल हैं:

1. रोबस्ट बिलीफ फ्यूजन (Robust Belief Fusion):

   • विश्वसनीयता अस्पष्टता (Credibility Ambiguity): एक बिंदु अनुमान के बजाय, स्रोत विश्वसनीयता (संवेदनशीलता और विशिष्टता) को अनुभवजन्य अनुमान के केंद्र में स्थित एक डेटा-संचालित आयताकार अस्पष्टता सेट (एक "बॉक्स") द्वारा दर्शाया जाता है। इस बॉक्स की चौड़ाई सांख्यिकीय अनिश्चितता (कैलिब्रेशन सैंपल साइज पर आधारित) और एक सीमित प्रतिकूल इंजेक्शन बजट दोनों को ध्यान में रखती है।
   • संदूषण मॉडल (Contamination Model): दुष्प्रचार को एक सीमित संदूषण (Huber $\eta$-neighbourhood) के रूप में मॉडल किया गया है जहाँ एक विरोधी रिपोर्टों का एक हिस्सा इंजेक्ट करता है।
   • क्रेडल पोस्टीरियर (Credal Posterior): फ्यूजन प्रक्रिया एक क्रेडल पोस्टीरियर की गणना करती है—संभावित वितरणों का एक सेट जो अस्पष्टता सेट और संदूषण सीमाओं पर सबसे खराब स्थिति वाले विश्वास (worst-case belief) का प्रतिनिधित्व करता है। प्रेषण निर्णय एक min-max दृष्टिकोण के माध्यम से प्राप्त किया जाता है: वह कार्रवाई चुनना जो क्रेडल सेट में सभी वितरणों में अधिकतम अपेक्षित हानि (फंसे हुए यात्री) को कम करती है।
   • इन्फ्लुएंस बाउंडिंग (Influence Bounding): किसी एक स्रोत को एक सेगमेंट के पोस्टीरियर पर हावी होने से रोकने के लिए, एकत्रीकरण नियम प्रभाव को सीमित (influence bounding) करता है, जो प्रति (सेगमेंट, स्रोत, दावा दिशा) रिपोर्ट को छाँटता है और असामान्य रूप से केंद्रित "बाढ़" को खारिज करता है।

2. सत्यापन का दोहरा मूल्य (Dual Value of Verification):

   • एक UAV सत्यापन दोहरे उद्देश्य की पूर्ति करता है: यह एक विशिष्ट सड़क खंड की स्थिति को स्पष्ट करता है और, निरीक्षण की गई रिपोर्टों की तुलना ग्राउंड ट्रुथ से करके, उस स्रोत वर्ग की विश्वसनीयता को पुन: कैलिब्रेट (recalibrate) करता है जिसने उन्हें उत्पन्न किया था।
   • यह पुन: अंशांकन (recalibration) एक कैलिब्रेशन स्पिलओवर (calibration spillover) बनाता है: एक स्रोत की विश्वसनीयता को ठीक करने से नेटवर्क में उस वर्ग की सभी रिपोर्टों का भार बदल जाता है, न कि केवल उस निरीक्षित खंड की। शोध पत्र इस स्पिलओवर मूल्य के लिए एक क्लोज्ड-फॉर्म अभिव्यक्ति व्युत्पन्न करता है, जो दर्शाता है कि यह मूल्य उन रिपोर्टों की संख्या के साथ रैखिक रूप से बढ़ता है जिन्हें पुन: अंशांकन द्वारा साफ किया जाता है।

3. वरीयता निर्धारण नियम (Verification Prioritization Rule):

   • ढांचा एक संदूषण थ्रेशोल्ड ($\tau^\star$) व्युत्पन्न करता है जो एक दुर्लभ UAV सॉर्टी (sortie) के इष्टतम आवंटन को निर्देशित करता है।
   • $\tau^\star$ से नीचे, एक विशिष्ट सड़क के सत्यापन का सीमांत मूल्य (राज्य स्पष्टीकरण) स्रोत को पुन: कैलिब्रेट करने के मूल्य से अधिक होता है।
   • $\tau^\star$ से ऊपर, स्रोत को पुन: कैलिब्रेट करने का मूल्य (और इस प्रकार नेटवर्क-व्यापी स्पिलओवर को साफ करने का मूल्य) एक एकल सड़क के निरीक्षण के मूल्य से अधिक होता है।
   • यह सिद्ध किया गया है कि थ्रेशोल्ड एक स्रोत द्वारा छुए गए महत्वपूर्ण सेगमेंट्स की संख्या में घटता है और निरीक्षण किए जा रहे विशिष्ट सड़क की गंभीरता में बढ़ता है। मॉडल को एक रणनीतिक, स्थानांतरित होने वाले हमलावर के साथ एक इक्विलिब्रियम सेटिंग में विस्तारित किया गया है, जो एक इक्विलिब्रियम थ्रेशोल्ड ($\tau^\star_{eq}$) प्रदान करता है जो स्थिर थ्रेशोल्ड से कम है।

प्रमुख योगदान

1. रोबस्ट क्रेडल अपडेट: एक सुव्यवस्थित, रूढ़िवादी विश्वास अपडेट जो अनिश्चित और प्रतिकूल विश्वसनीयता को संभालता है। यह शून्य अस्पष्टता और संदूषण होने पर मानक बिंदु-अनुमान फ्यूजन में बदल जाता है, लेकिन हमले के तहत निर्णय हानि पर एक गारंटीकृत सीमा प्रदान करता है।
2. कैलिब्रेशन स्पिलओवर वैल्यू: उस "एक्सटर्नैलिटी" की पहचान और मात्रा का निर्धारण जहाँ एक स्रोत का सत्यापन उस स्रोत की सभी ऐतिहासिक रिपोर्टों के भार को ठीक करता है। शोध पत्र सिद्ध करता है कि यह मूल्य राज्य स्पष्टीकरण के मूल्य से अधिक हो सकता है, जो स्रोत-केंद्रित सत्यापन का औचित्य सिद्ध करता है।
3. स्ट्रक्चरल थ्रेशोल्ड्स: एक क्लोज्ड-फॉर्म संदूषण थ्रेशोल्ड ($\tau^\star$) का व्युत्पन्न, जो सड़क निरीक्षण से स्रोत पुन: अंशांकन की ओर जाने वाले इष्टतम कार्य को बदल देता है। इसमें अनुकूलित हमलावरों के लिए एक इक्विलिब्रियम विश्लेषण भी शामिल है, जो दिखाता है कि स्रोत को पुन: कैलिब्रेट करना हमलावर के स्थानांतरण के प्रति अपरिवर्तनीय है, जबकि सड़क सत्यापन नहीं।

परिणाम
ढांचे का मूल्यांकन सिंथेटिक बेंचमार्क और 20 जुलाई, 2021, झेंगझौ बाढ़ की घटना के रीप्ले पर किया गया।

• सिंथेटिक बेंचमार्क: लक्षित अफवाह हमलों (संदूषण दर $\tau = 0.5$) के तहत, गैर-रोबस्ट फ्यूजन (बिंदु-अनुमान) के परिणामस्वरूप फंसे हुए यात्रियों की संख्या 142 से बढ़कर 297 हो गई। प्रस्तावित रोबस्ट नीति ने रिग्रेट (regret) को 105 और 168 के बीच सीमित रखा। प्रस्तावित विधि ने आठ प्रतिस्पर्धी बेसलाइनों को पछाड़ दिया, जिनमें डेम्पस्टर-शेफर फ्यूजन, ट्रुथ फाइंडर (TruthFinder), और विभिन्न डिस्ट्रीबशनल रोबस्ट ऑप्टिमाइज़ेशन (वॉसरस्टीन और KL) अपडेट शामिल थे, जो लक्षित संदूषण के तहत विफल हो गए।
• थ्रेशोल्ड सत्यापन: रोड-फर्स्ट से सोर्स-फर्स्ट वेरिफिकेशन का अनुभवजन्य स्विच $\tau^\star \approx 0.13–0.16$ के पास हुआ, जो 0.162 के सैद्धांतिक पूर्वानुमान के अनुरूप है।
• स्पिलओवर प्रभाव: एक एकल UAV सॉर्टी जिसने एक हाइजैक किए गए स्रोत को पुन: कैलिब्रेट किया, उसने नेटवर्क विश्वास को बहाल किया और प्रभावी रूप से लगभग 59 वास्तविक रिपोर्टों को साफ किया।
• रियल-वर्ल्ड रीप्ले (झेंगझौ): झेंगझौ के मामले में, गैर-रोबस्ट फ्यूजन ने ब्लॉक-रोड असेसमेंट को उलट दिया, जिससे ~62 सेल्स में त्रुटियां प्रसारित हुईं। रोबस्ट फ्यूजन ने सही असेसमेंट को सुरक्षित रखा। एक वास्तविक-नेटवर्क निर्णय परीक्षण (R-NET) में, जो एक विश्वसनीय सहमति सूडो-ओरेकलल (pseudo-oracle) के विरुद्ध स्कोर किया गया था, गैर-रोबस्ट विधियों ने दुष्प्रचार के तहत 233–300 यात्री-तुल्य नुकसान उठाया, जबकि रोबस्ट नीति ने शून्य रिग्रेट बनाए रखा और 33% मांग को पूरा किया।

महत्व और दावे
शोध पत्र दावा करता है कि यह आपातकालीन एजेंसियों के लिए एक सिद्धांतिक नियम प्रदान करता है कि जब क्राउड-सोर्स्ड जानकारी अविश्वसनीय या हेरफेर की गई हो, तो दुर्लभ सत्यापन संसाधनों को कैसे आवंटित किया जाए।

• परिचालन बदलाव: यह तर्क देता है कि समन्वित संदूषण के तहत, सबसे मूल्यवान कार्रवाई अक्सर विशिष्ट घटना (सड़क) को सत्यापित करना नहीं है, बल्कि रिपोर्टिंग स्रोत को पुन: कैलिब्रेट करना है। यह "कैलिब्रेट-द-सोर्स" शाखा सह-संबंधित रिपोर्टों के नेटवर्क को पुन: भारित करके डाउनस्ट्रीम राहत निर्णय की रक्षा करती है।
• रोबस्टनेस बनाम सेंसिटिविटी: ढांचा प्रदर्शित करता है कि लक्षित हेरफेर के खिलाफ मजबूती के लिए क्राउड डेटा को पूरी तरह से त्यागने की आवश्यकता नहीं है; बल्कि इसके लिए एक संरचित फ्यूजन नियम की आवश्यकता है जो प्रति-स्रोत उत्तोलन (leverage) को सीमित करता है और सत्यापन के दोहरे मूल्य का उपयोग करता है।
• सामान्यीकरण: हालांकि इसे बाढ़ प्रतिक्रिया के लिए प्रदर्शित किया गया है, लेखक कहते हैं कि यह दृष्टिकोण किसी भी ऐसे डोमेन के लिए सामान्यीकृत किया जा सकता है जिसमें उच्च-मात्रा, हेरफेर योग्य मानव-सेंसर स्ट्रीम, एक दुर्लभ विश्वसनीय सत्यापनकर्ता, और मापने योग्य हानि वाला डाउनस्ट्रीम निर्णय (जैसे, कंटेंट मॉडरेशन, आपूर्ति-श्रृंखला खुफिया) शामिल हो।

लेखक अपने दायरे के संबंध में विनम्र हैं, यह नोट करते हुए कि क्लोज्ड-फॉर्म थ्रेशोल्ड एक शैलीबद्ध पिवटल मॉडल पर निर्भर करते हैं और झेंगझौ के परिणाम एक "ट्रस्टेड-कंसेंसस सूडो-ओरेकल" के विरुद्ध स्कोर किए गए हैं, न कि सर्वेक्षण किए गए ग्राउंड ट्रुथ के विरुद्ध। वे अगले चरण के रूप में UAV सत्यापन, स्रोत एट्रीब्यूशन और प्रेषण विकल्पों को संयुक्त रूप से लॉग करने वाले फील्ड ट्रायल की पहचान करते हैं।