Uurijad on väga hästi teadlikud sellest, kui keeruline on ebaseadusliku tegevuse marsruuti lähtepunktini pöördprojitseerida. Vanamoodsate maffia-stiilis kuritegelike organisatsioonide kuldajal oli vastav töö lihtsam, kuna nende hierarhiline struktuur meenutas laias laastus prognoositava olemusega sugupuid. Töörühma uuringu tulemused ilmusid 10. augustil ajakirjas Physical Review Letters.

Internetiajastul on kurjategijate organiseerimiseks rakendatavate võrgustike olemus aga muutunud. Loendamatud sõlmpunktid ja vastastikseosed tõstavad võrgustike keerukuse määra, nii et süüdlaseid on üha raskem välja juurida. EPFL-i audiovisuaalse side laboratooriumi uurija Pedro Pinto koos kolleegidega on välja töötanud algoritmi, millest võiks olla kasu mitte ainult kriminaaljuurdlejaile, vaid kõigile uurijatele, kelle töö hõlmab mingisugusel kujul võrgundust.

„Meie meetod võimaldab selgitada välja kõikvõimalike võrgus ringlevate elementide algupära ainuüksi väikest osa võrgu liikmeid n-ö pealt kuulates,“ selgitab dr Pinto.

Oletame, et te avastate kuulujutu teie enda kohta, mis on jõudnud otsaga Facebook’i ja sealtkaudu 500 inimeseni — teie sõprade ja isegi sõprade sõpradeni. Kuidas leida isik, kes kuulujutu veerema lükkas? „Piisab sellest, kui analüüsida ainult 15 sõbrale laekunud sõnumeid, võttes seejuures arvesse ajategurit. Nende andmete põhjal suudab meie algoritm jälitada informatsiooni liikumist lähtepunktini välja,“ lisab dr Pinto.

Sama meetodit saab edukalt rakendada näiteks rämpspostisõnumi või arvutiviiruse algupära tuvastamiseks võrgustiku sisse hajutatud piiratud arvust anduritest pärineva info toel.

Ainelises maailmas oleks algoritmi toel aga võimalik leida mõne nakkushaiguse, näiteks koolera peamine allikas. „Testisime oma meetodit andmete peal, mille Lõuna-Aafrikas puhkenud epideemia käigus kogusid EPFL-i professor Andrea Rinaldo juhatatud ökohüdroloogia laboratooriumi töötajad,“ osutab dr Pinto. „Veevärkide, jõgede ja inimtranspordi võrgustikke mudeldades ning ainult murdosa küladest seirates suutsime leida punkti, kus ilmnesid esimesed nakatumisjuhtumid.“

Samast meetodist võiks olla kasu ka reageerimisel terroristlikele rünnakutele nagu 1995. aasta sariingaasirünnak Tokyo metroos, kus linna allmaatunneleisse paisatud gaas tappis 13 inimest ja põhjustas vigastusi ligi 1000-le. „Antud algoritmile tuginedes poleks vaja igasse metroojaama andureid paigaldada,“ leiab dr Pinto. „Väikesest hulgast anduritest piisaks rünnaku algallika kiireks tuvastamiseks, pärast mida oleks võimalik astuda samme selle leviku takistamiseks.“

Dr Pinto süsteemi katseliseks kontrollimiseks sisestati sellesse oletatavasti 2001. aasta 11. septembri terroristlike rünnakute vältel peetud telefonikõnede raalsimulatsioonid. „11. septembri terroristide võrgustiku sisest sõnumivahetust avalikkusesse jõudnud uudiste toel rekonstrueerides selekteeris meie süsteem välja kolm potentsiaalset kahtlusalust, kellest üks osutus ametliku juurdluse andmetel rünnakute juhtivaks kavandajaks,“ kinnitab dr Pinto.

Seega on meetodi rakendatavust tõestatud faktijärgselt. Dr Pinto hinnangul saaks seda kasutada ka ennetustööks — näiteks haiguspuhangu olemuse väljaselgitamiseks enne selle väljumist kontrolli alt. „Valides võrgustikust väga hoolikalt kontrollimiseks õiged punktid, võiksime epideemiate levikut tulevikus kiiremini mudeldada,“ osutab ta.

Samamoodi võiks meetodist olla kasu internetis ja suhtlusvõrgustikes „viirusturundusstrateegiaid“ rakendavatele reklaamiettevõtjatele. Näiteks võimaldaks uus algoritm neil tuvastada konkreetseid veebipäevikuid, mis oma sihtgruppe kõige rohkem mõjutavad, ning nende sisu analüüsides välja selgitada, mis vastavate artiklite levikut veebikogukondades täpselt soodustab.