Звонки мертвым: устойчивость в коммуникационных сетях WTCСпасибо: Эта работа частично поддерживалась Управлением военно-морских исследований (ONR), проект «Масштабируемые инструменты для оценки социальных сетей», N00014-21-1-2229

Как было отмечено, существует обширная литература, посвященная устойчивости сетей. Как правило, подобные исследования начинаются с наблюдаемых и/или симулированных сетей, из которых удаляются узлы или ребра, после чего изучается, как функционально значимые свойства изменяются под воздействием этих изменений (обобщенно называемых «атаками»). Bellingeri et al., (2020) предоставляет обзор исследований по удалению связей и узлов в реальных сетях, находящих применение в различных областях, таких как биология, экология, транспорт, наука об инфраструктуре, информатика, экономика и социология. В этих исследованиях удаление узлов и связей используется для оценки показателей устойчивости — мер способности сложной системы сохранять функциональность после потери связности или членов группы. Эти исследования часто направлены на понимание типов атак, наносящих наибольший ущерб, которые обычно связаны с жизненно важными связями или узлами (Bellingeri et al.,, 2020). Подобно тому, как сети различаются по своей устойчивости к различным узловым атакам, мы можем ожидать схожую вариативность в адаптивности (вопрос, который мы исследуем ниже).

Многие исследования устойчивости сосредоточены на «разрушении» сетей, по сути ограничивая их способность функционировать и выявляя, какие факторы наиболее эффективно приводят к фрагментации, а также какие факторы повышают уязвимость сети. Boldi et al., (2011) обнаружили, что социальные сети, как правило, менее подвержены разъединению при атаках на узлы, чем веб-графы, но наиболее эффективная стратегия удаления была связана с тем, что они назвали «распространением меток». Этот метод включает итеративную маркировку узлов на основе их соседей и идентификацию хабовых структур, которые могут быть или не быть узлами с высокой исходящей степенью. Этот вывод перекликается с другими работами Qi et al., (2019) об оптимальных паттернах дезинтеграции мультиплексных сетей. Предыдущие исследования коммуникационной сети Всемирного торгового центра (WTC) были направлены на понимание ее устойчивости при атаках. Полученные данные свидетельствуют о том, что во время событий 11 сентября организации, участвовавшие в 17 сетях радиосвязи, поддерживали связность через относительно небольшое число координаторов. Однако зависимость от этих координаторов зависела от контекста. Как обсуждалось Fitzhugh and Butts, (2021), структуры, обнаруженные в сетях радиосвязи WTC, являются хабоцентричными; хотя это делает их устойчивыми к случайному удалению узлов, они крайне уязвимы к целенаправленным атакам, затрагивающим хабы («атаки, нацеленные на степень» (Fitzhugh and Butts,, 2021; Klau and Weiskircher,, 2005)). Те, кто оказывается в этих координационных, хабовых ролях, с наибольшей вероятностью обладают высокой степенью — за счет разъединения сетей через этих важных участников такие типы атак, как правило, довольно эффективны в нарушении работы сети и ограничении способности к передаче информации при отсутствии последующей реконфигурации Fitzhugh and Butts, (2021).

Сравнительные исследования также рассматривали сети из других сложных систем (например, метаболические сети и инфраструктурные системы). Они также демонстрируют разную степень устойчивости к различным типам атак. Например, безмасштабные сети, такие как Всемирная паутина, обладают высокой устойчивостью к случайным атакам, но чрезвычайно уязвимы к целенаправленным атакам на узлы с высокой степенью (Albert et al.,, 2000; Callaway et al.,, 2000). Социальные сети, напротив, гораздо более устойчивы, чем графы Эрдеша — Реньи (De Meo et al.,, 2018). Обзор литературы, выполненный Bellingeri et al., (2020), пришел к выводу, что многие социальные сети являются «устойчивыми, но хрупкими» к атакам — в том смысле, что случайные атаки по удалению узлов не разрушают сеть, в то время как целенаправленные атаки (например, вредоносные атаки) часто могут быстро и легко вывести социальную сеть из строя. Мотивированные этим наблюдением, мы тестируем различные атаки на хабы в сравнении со случайными атаками, чтобы понять, как способность к реорганизации зависит от типа удаляемых узлов.

В смежных работах Lv et al., (2022) при разработке модели каскадных сбоев, которая также учитывает перегрузку активностью при случайном удалении субъектов, обнаружили, что «динамическое поведение» сложной системы также является критическим фактором, который необходимо учитывать для обеспечения устойчивости сети. Они отметили, что сети с динамикой «рождения и смерти» и регуляторной динамикой гораздо более чувствительны к использованию коэффициента чувствительности (который включает способность узлов сети сопротивляться возмущению), чем биохимические или эпидемические модели (Lv et al.,, 2022). Fitzhugh and Butts, (2021) также рассматривали форму динамической устойчивости, в рамках которой они исследовали влияние сбоев на прямую связность при наблюдаемой динамике (в отличие от реорганизации в ответ на повреждение); они обнаружили в целом схожие закономерности уязвимости с теми, что наблюдаются в агрегированных по времени сетях, но отметили, что это может быть справедливо или несправедливо в случаях, когда сеть способна адаптироваться к повреждениям. Мы вернемся к этому вопросу в нашем исследовании ниже.

Хотя прошлые исследования устойчивости дали важные результаты, Bellingeri and Cassi, (2018) отмечает, что различные подходы к удалению узлов могут давать результаты, чувствительные к тому, как заданы как целевая сеть, так и атака, что потенциально может привести к вводящим в заблуждение результатам, если анализ не подготовлен и не интерпретирован тщательно. Например, они обнаружили, что исследования, фокусирующиеся на индивидах с «бинарно-топологическими индикаторами», такими как наибольшая связная компонента, могут выявлять «ложные узлы-хабы», которые могут оказаться просто узлами со множеством слабых связей; иными словами, нарушения структуры сети могут иметь или не иметь одинаковое функциональное значение, и важно учитывать то, как функция поддерживается в сети (например, для диффузионных систем — что диффундирует по сети и как происходит диффузия). Например, в эпидемиологическом исследовании вакцинации определение индивидов в ролях хабов может оказаться не самым стратегическим выбором для прививок, вопреки тому, что может наивно предполагать традиционный анализ. Это происходит потому, что ложные узлы-хабы с более высокой бинарной связностью могут иметь множество связей, которые чрезвычайно слабы и, следовательно, имеют ограниченное время контакта или малую вероятность заражения других (Bellingeri and Cassi,, 2018; Bellingeri et al.,, 2020). Аналогичным образом, временная агрегация может преувеличивать потенциал сбоев из-за удаления хабов, приводя к вводящим в заблуждение выводам относительно эффективности таких атак для подавления диффузии (Butts,, 2009). Также может быть важно, особенно в динамических условиях, учитывать узлы с определенными ролями или другими характеристиками (например, в случае Всемирного торгового центра — узлы, занимающие институционализированные координационные роли), удаление которых может иметь иные последствия, чем удаление других членов сети. Наконец, следует отметить, что сама устойчивость не всегда может представлять первостепенный предметный интерес в контекстах, где возможна реконфигурация (и, следовательно, устойчивость к внешним воздействиям). Как отмечено Butts and Carley, (2007), могут существовать режимы, в которых организации могут восстанавливать ущерб бесконечно долго, до тех пор пока интервалы между атаками достаточно велики по сравнению со временем восстановления; эта постоянная необходимость восстановления ущерба налагает затраты на поддержание гомеостаза, что может влиять на оптимальную организационную структуру. В таких условиях стоимость адаптации может быть более важной теоретической целью, чем потенциал катастрофического сбоя. Это побуждает к более детальному изучению адаптации и устойчивости, что является важной задачей данной работы.

Эффективная коммуникация для координации между членами организации в штатном или нарушенном контексте имеет решающее значение, причем ранние исследования показывают, что эффективные паттерны коммуникации являются «первым принципом эффективной деятельности» (Bavelas,, 1950, p.594). Более того, в предыдущих работах было обнаружено, что успешные организации и эффективная коммуникация между членами организации имеют решающее значение для многих показателей эффективности (Chandler,, 1977; Galbraith,, 1977; Malone,, 1987; Minsky,, 1986; Wageman,, 1995; Brusoni et al.,, 2001), а эффективная координация при выполнении задач повышает результативность группы (Tushman,, 1979; Liang et al.,, 1995; De Dreu et al.,, 2016). Чтобы обеспечить оптимальный поток информации, организации должны использовать надежные каналы для сбора и распространения информации. Когда эти важные каналы выходят из строя, последствия могут привести к множеству контрпродуктивных эффектов, включая задержку задач или даже невыполнение (Chandler,, 1977; Galbraith,, 1977; Kim and Burton,, 2002; Radner,, 1992; Sah and Stiglitz,, 1986; Tjosvold,, 1984; Krackhardt,, 1996).

Таким образом, одной из основных областей, в которых изучалась коммуникация, является контекст экстренной связи — событий, которые часто могут приводить к сбоям или прекращению связи в условиях, когда информация может быть крайне критичной по времени. В своем обзоре экстренной связи и использования информационно-коммуникационных технологий в управлении стихийными бедствиями Mondal et al., (2021) обобщают влияние нескольких крупномасштабных природных катастроф за последнее десятилетие. Они сообщают, что такие бедствия, как наводнения, ураганы и землетрясения, нарушали работу телевидения и мобильной связи на срок от 3–4 дней до более чем трех месяцев, как это наблюдалось в 2020 году во время урагана Мария в Пуэрто-Рико. В сценариях, где современные варианты подключения выходили из строя, они отмечали использование любительского радио наряду с портативным спутниковым оборудованием (Mondal et al.,, 2021). Радиосвязь, включая любительскую радиосвязь, была важнейшим средством массовой информации, особенно в условиях катастроф — существуют исследования, которые показывают, что в качестве децентрализованного средства связи она способна переносить последствия стихийных бедствий эффективнее, чем высокоцентрализованная инфраструктура связи, такая как вышки сотовой связи (Gill,, 2020; Nollet and Ohto,, 2013; Coile,, 1997).

Хотя радиосвязь является децентрализованной средой, централизация коммуникации все же может происходить посредством процесса, при котором координационные и организационные обязанности концентрируются вокруг относительно небольшого числа лиц. Было обнаружено, что такие централизованные коммуникационные структуры и группы демонстрируют преимущества при выполнении разделимых задач, что приводит к лучшей производительности (Hage et al.,, 1979; Tushman,, 1979; Brusoni et al.,, 2001). В классическом исследовании Бавеласа по выполнению задач и структуре было обнаружено, что целевые группы с высокой локализованной централизацией способны обучаться быстрее, совершают меньше ошибок в своей работе и имеют тенденцию быть более стабильными, чем группы с низкой централизацией (Bavelas,, 1950). Тем не менее, также отмечалось, что централизация, являющаяся видом структурной адаптации, может иметь недостатки, включая неспособность эффективно работать в контексте неразделимых задач, таких как многосторонние переговоры (Carley,, 1992).

Хотя структура была в центре внимания ранней литературы, более поздние исследования показали, что «оптимальное» или более «эффективное» для коммуникации определяется не только структурой, и что для определенных задач, сред или организационных контекстов могут существовать преимущества или недостатки различных структурных форм. Несмотря на то, что ранние исследования указывали на «идеальные типы», существует множество структурных форм, которые могут быть идеальными в зависимости от контекста (Scott,, 1981; Levitt et al.,, 1999; Donaldson,, 2001; Shenhar,, 2001).

Несколько исследований обнаружили, что организации используют дифференциацию ролей и рутинизацию задач посредством специализации, которая обеспечивает координацию между взаимозависимыми ролями и группами индивидов с определенными навыками и способностями (Hage et al.,, 1979; Kogut and Zander,, 1996; Van De Ven et al.,, 1976; Brusoni et al.,, 2001; Crawford and Lepine,, 2013). Предыдущие исследования показали, что специализированные роли и связанная с ними рутинизация задач могут способствовать повышению эффективности выполнения задач (Cohen,, 1994; Kalleberg and Moody,, 1994). Было установлено, что консолидация задач в рамках более специфических, специализированных ролей улучшает информационный поток организаций реагирования на чрезвычайные ситуации (Comfort,, 2007) – при этом отмечается, что хотя эти роли хорошо спроектированы и функционируют в штатных/обычных условиях, это часто может приводить к жесткости, снижению производительности и неспособности адаптироваться в условиях задач и контекстов, с которыми эти группы имели мало опыта или подготовки (Comfort,, 2007). В Comfort, (2007) обсуждается, что организациям может потребоваться проектировать ролевые структуры, то есть специализацию ролей, с учетом того, что их, возможно, придется адаптировать в условиях ограниченных ресурсов, времени и более новых задач.

К этому моменту Carley and Harrald, (1991), обобщая данные об организационном обучении в контексте ликвидации реальных последствий угроз и катастроф, обнаружил, что обучение членов организации стандартным операционным процедурам не обязательно ухудшает показатели эффективности, однако излишняя опора на них может привести к организационной жесткости, при которой персонал следует правилам догматично. Исследователи выяснили, что новый персонал на более низких уровнях организации (с меньшей специализацией) склонен следовать стандартным операционным процедурам до тех пор, пока не столкнется с новыми ситуациями, к которым эти процедуры не подходят в полной мере; тогда они полагаются на личный опыт, что может продуктивно приводить к творческим решениям. Тем не менее, персонал среднего звена с более узкой специализацией склонен следовать стандартным операционным процедурам до степени жесткости, не видя ничего за пределами своего организационного сценария, — в случае катастрофических бедствий, которые из-за своей редкости затрудняют подготовку персонала, а знания трудно поддаются переносу. Они обнаружили, что команды, в которых персонал был наделен полномочиями действовать на основе своего опыта, как правило, превосходили команды, строго следовавшие стандартным операционным процедурам. Хотя специализированные сети проходят подготовку для реагирования на кризисы, это фактически может снижать их способность адаптироваться к меняющимся обстоятельствам, и мы можем предполагать, что устойчивость варьируется в зависимости от специализации наших сетей.

Сети WTC также различаются по уровню специализации: некоторые организационные единицы были обучены реагировать на кризисы, а другие — нет. В стационарном случае Fitzhugh and Butts, (2021) рассмотрели разницу между сетями специалистов и неспециалистов. Когда они разделили различия между специалистами и неспециалистами, то обнаружили, что случайный отказ ICR значительно более губителен для связности структуры сети, чем случайный отказ, но только для специалистов; неспециалисты, судя по всему, устойчивы к случайному удалению ICR. Они объясняют это тем, что данные роли институционализированных координаторов имеют особенно важное значение в сетях специалистов, тогда как неспециалисты, как правило, меньше зависят от этих лиц.

Организации в средах с высоким уровнем неопределенности задач или, по крайней мере, новизны задач могут лучше подходить для децентрализованных команд, которые могут действовать эффективнее иерархии, экономя затраты и время (Kim and Burton,, 2002; Van De Ven et al.,, 1976). Ранние теоретические работы дали некоторое представление о том, что команды действительно могут обучаться быстрее иерархий (Carley,, 1992). Когда отдельные лица встроены в иерархию, более централизованные ключевые лица могут подвергаться большей информационной перегрузке в этих новых неопределенных контекстах, что делает их менее эффективными в таких условиях (Carley,, 1992). Также было обнаружено, что новые кризисные ситуации приводят к более децентрализованным паттернам коммуникации среди членов организации (Uddin et al.,, 2011) и что адаптация к кризису в конечном итоге может быть более эффективной при отсутствии централизованных форм коммуникации (Pitt et al.,, 2011; Rodan,, 2008).

Чтобы лучше понять, какие механизмы могут помочь поддерживать функциональность в условиях стресса, мы опираемся на исследования, связанные с общественными насекомыми, в которых в последние годы применяется гораздо более систематический подход к проблеме системной устойчивости. Подобно человеческим обществам, общественные насекомые имеют сложные социальные взаимодействия, которые сильно влияют на приспособленность на уровне группы, обмен информацией и сотрудничество (Easter et al.,, 2022). Область энтомологии имеет богатую историю изучения этой социальной динамики среди различных видов общественных насекомых (Wilson,, 1971; Holldobler and Wilson,, 2009). Одна из областей исследований общественных насекомых включает экспериментальные и симуляционные исследования, которые манипулируют некоторым аспектом среды колоний или самими колониями, чтобы понять возникающие динамические изменения. Например, в некоторых исследованиях повышали температуру в ульях (Johnson,, 2002; Cook and Breed,, 2013) или увеличивали доступность пищи (Pasteels et al.,, 1987; Beckers et al.,, 1990; Traniello and Robson,, 1995), чтобы вызвать изменения в поведенческой динамике колоний. Релевантными для нашего текущего исследования являются исследования удаления, в которых исследователи изучают потерю рабочих с помощью экспериментальных подходов (например, физического удаления муравьев) или in-silico симуляций, чтобы понять, как динамика колонии приспосабливается к потере рабочих. Несколько исследований показали, что рабочая сила обычно заменяется другими рабочими в колонии (Johnson,, 2002; Mirenda and Vinson,, 1981; Huang and Robinson,, 1996; Gordon,, 1986; Wilson,, 1983; Wilson,, 1984; McDonald and Topoff,, 1985; Charbonneau et al., 2017a, ), поддерживая тем самым функциональность несмотря на удаление акторов.

Хотя в целом идея «социального безделья», описываемая как тенденция индивидов снижать свою производительность при участии в более крупной группе (Ringelmann,, 1913; Ingham et al.,, 1974; Simms and Nichols,, 2014), имеет негативный оттенок (часто как социальная болезнь (Latane et al.,, 1979, p. 831), некоторые предполагали, что в социальных контекстах это может быть адаптивной стратегией, связанной с сохранением ресурсов (Williams and Karau,, 1991; Bluhm,, 2009). Несмотря на то, что позитивное переосмысление «социального безделья» не получило широкого распространения, в аналогичных контекстах было обнаружено, что резервы акторов и организационный резерв (то есть индивиды, которые не вовлечены активно, но могут быть мобилизованы) могут играть эволюционно выгодную роль в определенных системах. Удивительно, но в случае с общественными насекомыми было обнаружено, что до 50% рабочих особей у нескольких видов общественных насекомых неактивны в любой заданный момент времени (Charbonneau et al., 2017a, ). Это наблюдалось у медоносных пчел (Lindauer,, 1952; Moore,, 2001; Moore et al.,, 1998), шмелей (Jandt et al.,, 2012), ос (Gadagkar and Joshi,, 1984), термитов (Maistrello and Sbrenna,, 1999) и муравьев (Charbonneau and Dornhaus,, 2015; Herbers,, 1983; Cole,, 1986; Dornhaus,, 2008). Существовало распространенное предположение, что этот «резерв» рабочих может быть быстро мобилизован при увеличении рабочей нагрузки (Charbonneau et al., 2017b, ).

⟦Charbonneau et al., 2017b () проверили эту гипотезу путем систематического удаления высокоактивных рабочих, неактивных муравьев и случайно выбранных рабочих из колонии муравьев Temnothorax rugatulus, чтобы посмотреть, как это повлияет на общую активность колонии. Подтверждая общепринятую гипотезу, они обнаружили, что колония была способна поддерживать уровень активности до удаления при устранении высокоактивных рабочих, что подтверждает идею о том, что неактивные рабочие служат фондом «резервной» рабочей силы. Интересно, что при удалении неактивных рабочих уровень неактивности снижался и оставался более низким после периода удаления, что предполагает способность на системном уровне поддерживать уровень активных рабочих, но не специфические уровни неактивных рабочих (Charbonneau et al., 2017b, ).

Исследования других общественных насекомых показали, что в условиях теплового стресса, являющегося экологической чрезвычайной ситуацией, медоносные пчелы начинают чаще переключаться между задачами и уделять приоритетное внимание конкретным задачам, способствующим терморегуляции во всех типах резервов, а не только в определенных группах рабочих особей (Johnson,, 2002). Теоретические данные свидетельствуют о том, что эта способность перераспределять резервы и рабочих на основе переключения задач может способствовать выживанию колонии во время крупных катастроф или масштабных нарушений в популяциях рабочих особей (Hasegawa et al.,, 2016). Этот массив исследований указывает на то, что социальные системы обладают встроенными механизмами реагирования на потерю рабочих особей и ее регулирования, нацеленными на поддержание средней рабочей активности и сохранение функциональности социальной группы как в стандартных, так и в чрезвычайных ситуациях.

Наконец, в организационном контексте существовало направление исследований, которое рассматривало то, как организации реагировали на изменения внешней среды, и было направлено на то, чтобы лучше понять, какие организации склонны быть наиболее устойчивыми/прочными к этим экзогенным шокам/изменениям за счет использования «ресурсного резерва» (Cheng and Kesner,, 1997). Буржуа 1981 рассматривал организационный резерв как «подушку избыточных ресурсов». Исследователи утверждали, что резерв обеспечивает возможность гибкого использования ресурсов, которые могут быть мобилизованы в неопределенных контекстах / новых средах для адаптации и повышения способности организации реагировать на эти новые контексты (Carter,, 1971; Cyert and March,, 1963; Mohr,, 1969). Часто в этой литературе организационный резерв операционализируется как избыточные финансовые ресурсы, которые можно задействовать в трудную минуту, однако резерв может также включать людей в качестве ресурса, подлежащего мобилизации.

⟦Charbonneau et al., 2017b () предлагает обзор того, как другие сложные социальные контексты могут извлечь выгоду из систематического подхода, подобного тому, который используется при изучении социальных насекомых. Они обсуждают потенциальную возможность того, что человеческие организации могут обладать меньшими резервами, поскольку люди обычно действуют в более предсказуемых средах, чем социальные насекомые, или что человеческие организации могут неадекватно учитывать изменчивость и должны привлекать более гибких работников для оптимального преодоления различных сред (Charbonneau et al., 2017b, , p.15). Посредством нашего текущего исследования мы надеемся внести свой вклад в это более масштабное исследование социальных систем, предоставив понимание потенциальной гибкости людей в ситуациях, когда выбывание или потеря участников может оказать положительное или отрицательное влияние на функциональность коллективной системы. Наше исследование использует возможности симуляции в соответствующем R пакете (Butts,, 2013) для проведения серии симуляционных исследований с целью проверки влияния различных форм атак с удалением узлов на показатели устойчивости, опираясь на предыдущие работы, чтобы выяснить, в каких именно аспектах эти сети являются устойчивыми.

Наша процедура реализуется следующим образом. Сначала мы берем эмпирически откалиброванные параметры для каждой модели, представленные Renshaw et al., (2023), и генерируем соответствующий каркас модели с использованием соответствующего пакета (Butts,, 2013) в среде статистического программирования R (R Core Team,, 2020). Каждый каркас модели включает ковариату для определения того, занимал ли данный узел ICR, а также бинарную ковариату, указывающую узлы, которые должны быть выведены из строя; в откалиброванную модель для ковариаты вывода из строя был добавлен эффект ковариаты отправителя с достаточно большим (то есть, эффективно численно бесконечным) отрицательным коэффициентом, чтобы гарантировать, что интенсивность отправки из выведенных из строя узлов была численно равна нулю. (Значения ковариаты вывода из строя были заданы с использованием соответствующего механизма атак, как описано ниже, причем в контрольных случаях не было выведенных из строя узлов.) Используя соответствующую функцию simulate, мы затем моделируем дополнительные события на основе этих моделей, фиксируя первую половину истории событий по эмпирическим данным и генерируя 600 новых событий в будущем после удаления узлов. Например, наша наибольшая сеть, Lincoln Tunnel, имеет в общей сложности 1146 событий в эмпирической сети; таким образом, мы используем первые 573 события в качестве отправной точки для наших смоделированных последовательностей, моделируя 600 событий после этой точки, что в сумме составляет 1719 событий. Следовательно, в нашем исследовании используется дизайн прерванного временного ряда in silico, в котором мы сравниваем истории воздействия, в которых узлы были выведены из строя в определенной точке, с контрольными историями, в которых вмешательство не проводилось, причем как предыстория, так и поведенческие механизмы оставались постоянными..

Используя это в качестве базовой структуры для симуляции новых последовательностей событий, мы затем рассматриваем эволюцию сети при различных механизмах атак; описательную таблицу атак на узлы с разбивкой по количеству симуляций в каждом условии можно найти в Таблице 1. Мы начинаем с создания сравнительного базового (то есть контрольного) условия для каждой из 17 коммуникационных сетей, при котором атаки не проводились. В этих базовых вариантах первые $n$ событий остаются фиксированными, причем $n$ является серединой эмпирических сетей. Без удаления узлов из сети мы затем симулируем 600 событий в будущее. Мы провели 100 независимых симуляций для контрольного условия для каждой из 17 сетей. Затем мы симулировали эволюцию сети при четырех различных механизмах атак: атака по степени (Degree Attack), атака по ICR (ICR Attack), комбинированная атака (то есть по степени и ICR) и случайная атака (Random Attack). Атаки по степени были сформированы путем сортировки акторов по их общему объему вызовов (взвешенная степень Фримена) в эмпирически наблюдаемых сетях и последующего удаления наибольших k% узлов. Для атаки по ICR мы случайно упорядочили все узлы, занимающие ICR, с последующим случайным упорядочением всех узлов, не относящихся к ICR, и выбрали верхние k% узлов в этой последовательности (то есть сначала выбирая узлы ICR). Для комбинированной сетевой атаки мы сначала случайно упорядочили наших акторов ICR, а затем упорядочили не-ICR от наибольшей эмпирической степени к наименьшей; затем мы удалили первые k% акторов (то есть сначала случайно удалили ICR, а затем удалили оставшиеся узлы в порядке убывания степени). Наконец, случайная атака проводилась путем случайного выбора k% акторов для удаления независимо от степени или статуса ICR. Мы провели каждую из этих атак со значением $k$, установленным на уровне 5%, 10%, 15%, 25% и 50%, что в общей сложности составило 20 различных механизмов атак, генерирующих новый вектор удаления узлов для каждой симуляции в рамках каждой атаки. Для каждой из этих 20 атак мы сгенерировали 100 различных симуляций на сеть, что в общей сложности составило 35700 симулированных последовательностей событий (включая наши 1700 контрольных симуляций).

Мы отмечаем, что, в отличие от традиционных тестов на устойчивость, которые просто удаляют узлы из фиксированной коммуникационной сети, наш протокол позволяет выбывшим из строя узлам оставаться объектами связи. Смоделированные акторы в сети изначально не «знают», что их контрагенты были удалены, и действительно могут тратить время и ресурсы на попытки связаться с ними (что и отражает название «вызов мертвых»). Это похоже на то, как часто происходит реальная недееспособность или гибель во время катастрофы, когда с другого конца радиомолчание, и отражает условия ликвидации последствий в WTC, в которых агентам обычно приходилось делать выводы о том, кто присутствует и активен, на основе наблюдаемой коммуникационной активности (Butts et al.,, 2007). Наблюдая за тем, с какой скоростью организации способны обнаруживать потери и перестраивать коммуникацию в ответ на них, мы можем оценить их устойчивость к потере персонала. Кроме того, изучая вариативность устойчивости при различных механизмах атак, мы можем исследовать относительную зависимость каждой организации от узлов с высокой степенью centrality по сравнению с институционально определенными координаторами.

При оценке наших смоделированных траекторий мы фокусируемся на трех категориях показателей: структурные изменения, эффективность и функциональность, а также роль резервов. Внутри каждой категории мы проверяем наличие различий в зависимости от типа атаки (комбинированная, по степени узла, ICR и случайная), процента удаленных узлов (5%, 10%, 15%, 25% и 50%), а также различий между сетями специалистов и неспециалистов. Для оценки различий в результатах мы используем серию $t$-тестов, сравнивая сети в условиях удаления узлов и в базовых условиях (т.е. экспериментальное воздействие против контроля).).

Мы используем следующие пять мер для оценки эффектов воздействия на совокупную структуру сети. Первой является индекс Тейла объема коммуникаций, который используется как мера формирования хабов; являясь мерой неравенства, индекс Тейла выше в сетях с более выраженной структурой хабов (основная особенность сетей WTC). Эта мера повторяет ту, что использовалась в Renshaw et al., (2023). Далее мы измеряем связанность по Кракхардту (Krackhardt,, 1994) агрегированной сети, параллельно исследованиям надежности, которые часто фокусируются на фрагментации в результате удаления узлов. Наша третья мера — это централизация степени агрегированной сети, используемая для проверки того, насколько равномерно распределен объем коммуникаций по каждой сети; централизация также часто использовалась в исследованиях эффективности сетей. Мы также измерили агрегированную плотность графа, чтобы понять, сколько потенциальных соединений было реализовано. Наконец, мы измерили долю графа, состоящую из изолированных элементов (узлов, которые не отправляют и не получают сообщения), чтобы понять, какая часть сети вовлечена в коммуникацию и сколько резерва присутствует при каждом условии. В совокупности мы можем понять, фрагментируются ли эти сети после удаления узлов или они демонстрируют иной паттерн resilience.

Для оценки эффективности и функциональности мы измеряем количество вызовов, направленных на неработоспособные узлы, и среднюю прямую достижимость внутри каждой моделируемой сети. Более эффективные сети будут тратить меньше вызовов на тех, кто не может ответить, и быстрее учиться не направлять им вызовы. Аналогичным образом, коммуникационные сети функционируют только в том случае, если они способны распространять информацию, что обосновывает использование доли пар с прямой достижимостью в качестве меры функциональной емкости..

Наконец, литература по устойчивости сетей, резервным ресурсам и организационному обучению указывает на роль резервов в поддержании функциональности сети и реагировании на кризисы. Таким образом, мы создаем показатель использования резервов (т. е. мобилизацию ранее неактивных агентов) и сравниваем его в различных сетевых условиях, чтобы понять их роль в реорганизации и функциональности наших радиокоммуникационных сетей.

Хотя сети могут казаться объединяющимися, это не означает, что они более или менее эффективны по сравнению с базовыми конфигурациями. Мы знаем, что эти сети испытывают определенный уровень потери вызовов, но тип атаки и процент уничтоженных узлов могут в целом приводить к большими или меньшими потерями вызовов. Таким образом, мы начинаем с изучения среднего объема потерянных вызовов, то есть доли всей коммуникации в рамках симуляции, приходящейся на «вызовы погибшим». На рисунке 4 показано среднее значение по всем коммуникационным сетям для каждой стратегии удаления в зависимости от процента и типа атаки. Во-первых, очевидно, что каждая из этих атак приводит к большему количеству вызовов в адрес выбывших из строя узлов в среднем по мере увеличения числа удаляемых узлов. Мы также можем видеть, что случайные атаки в среднем не вызывают такого же уровня потерь вызовов по сравнению с другими типами атак. Атаки по степени (degree) при меньшем проценте удаления имеют тенденцию быть наиболее эффективной стратегией удаления с точки зрения воздействия, однако при значительно более высоких уровнях удаления (удаление 25% и 50%) этот показатель несколько превосходит комбинированная атака).

Это указывает на результаты, которые можно ожидать на априорных основаниях, особенно при поведении случайного удаления. Как отмечалось в предыдущей работе (Petrescu-Prahova and Butts, 2008a, ; Renshaw et al.,, 2023), сети WTC сильно доминируются хабами. Эти структуры хабов состоят из индивидов с высокой степенью связности и часто представляют собой лиц, которые в контексте до бедствия были идентифицированы как занимающие институционализированные координационные роли (ICR). Когда такие индивиды удаляются, те же социальные механизмы, которые способствовали первоначальному возникновению ролей хабов (разговорная инерция, предпочтительное присоединение и коммуникации, направленные на ICR), стимулируют упорство попыток связаться с ними; напротив, случайно выбранные спасатели вряд ли занимают роли хабов и, следовательно, с меньшей вероятностью являются устойчивыми целями. Хотя отсутствие ответа от вышедших из строя узлов со временем уменьшит или прекратит это поведение, для этого требуется время (как мы показываем ниже).

В отличие от большинства исследований по удалению узлов, проведенных на сегодняшний день, мы обнаружили, что наши сети не имеют тенденции к фрагментации и разъединению в случае выбывания или потери дееспособности участников. Вместо этого мы выявили общую тенденцию к тому, что мы называем «коалесценцией». Коалесценция — это не фрагментация, а способность сети к самореструктуризации таким образом, чтобы повысить общую вовлеченность и связность при более равномерном распределении коммуникации между субъектами; в нашем исследовании это происходит в ответ на удаление ключевых коммуникаторов при целенаправленных атаках. Хотя это указывает на потенциально более высокий уровень устойчивости в человеческих социальных сетях, чем предполагалось в исследованиях надежности, мы отмечаем, что не следует делать вывод о том, что такая устойчивость всегда является оптимальной; например, те же адаптации, которые делают специализированные сети в WTC менее устойчивыми в нашем исследовании, могут делать их более эффективными в отсутствие потерь персонала. Аналогичным образом, желательность сетевой устойчивости, очевидно, зависит от точки зрения: устойчивость в преступных сетях, сетях пролиферирующих клеток в опухоли или им подобных может создавать препятствия для социального или медицинского вмешательства. В любом случае, наши результаты свидетельствуют о том, что исследователям, возможно, следует уделять больше внимания сетевой адаптации при интерпретации исследований по удалению узлов и ребер. Изучение поведения динамических моделей при удалении ребер или узлов позволяет учесть потенциальную временную изменчивость в том, как сети реагируют на изменения, что приводит к результатам, значительно отличающимся от тех, которые можно было бы предположить при удалении элементов из статической сети..

Очевидным преимуществом исследований устойчивости является то, что их проще проводить, чем исследования жизнестойкости, поскольку требуется лишь одно эмпирическое наблюдение; возможно, менее очевидным преимуществом является отсутствие необходимости в допущениях относительно того, как сеть отреагирует на повреждение. Это неотъемлемый компромисс, поскольку жизнестойкость сама по себе является динамическим явлением. В связи с этим следует отметить, что для разработки и проверки эмпирически откалиброванных моделей сетевой динамики доступен все более широкий спектр подходов (включая, помимо прочего, relational event models, temporal exponential family random graph models и stochastic actor-oriented models). Такие модели открывают значительные возможности для расширения нашего понимания жизнестойкости не только в коммуникационных сетях, но и в других типах систем..

Следует также отметить, что существует множество других видов исследований устойчивости, которые можно было бы провести. Здесь мы зафиксировали поведенческие механизмы, управляющие сетями, и наблюдали, как сети реагируют на сбои. В некоторых условиях атаки могут спровоцировать изменения в самой динамике сети. Хотя это то, что мы не можем изучить здесь (поскольку у нас нет данных для калибровки), это представляется перспективной областью для будущих эмпирических и теоретических исследований. Можно также рассмотреть другие типы вмешательств, помимо проведенных здесь, включая альтернативные графики удаления, тестирование последствий прерывистых сбоев или фокусировку на удалении ребер, или даже «перемешивание» ребер, чтобы предполагаемый получатель не знал о целенаправленном характере коммуникации, поскольку предыдущие работы показали, что нормы ведения беседы, такие как очередность высказываний, имеют решающее значение для таких явлений, как формирование узлов (Gibson et al.,, 2019).

Наконец, мы подчеркиваем некоторые практические последствия наших выводов для повышения устойчивости в контекстах управления в чрезвычайных ситуациях. Хотя мы не можем напрямую говорить об эффективности получаSющихся сетей с точки зрения того, как они реорганизуются после атаки, с чисто структурной точки зрения — когда индивиды способны поддерживать связность и снижать потери после удаления — мы обнаруживаем, что есть очевидные выгоды в том, чтобы не быть слишком зависимым от специализированных ролей и акторов в коммуникационных сетях (таких как ICRs в нашем случае). Кроме того, обучение, подчеркивающее необходимость адаптации к явным потерям (когда agent «замолкает») и переключения на коммуникацию с другими доступными agent, может ускорить коммуникационную адаптацию при возникновении потерь. Это, конечно, должно быть сбалансировано с выгодами в эффективности и коммуникативной памяти, которые достигаются за счет сосредоточения координационных затрат на небольшом числе (в идеале обученных и институционально определенных) индивидов. Мы не можем судить о том, где находится этот баланс, но мы показываем, что такая стратегия влечет за собой издержки для устойчивости..