ENGINEERINGNET.BE - Idealiter neemt een router altijd de kortste route naar zijn doelrouter. Dit pad komt dus op basis van vertrouwen, zonder systematische checks, tot stand. Maar door een verkeerde configuratie of kwade opzet, kan internetverkeer makkelijk een omweg nemen, bijvoorbeeld door een land als Rusland of Iran.
Vanwege het organische, gedistribueerde en daardoor onoverzichtelijke ontstaan van een internet, was een oplossing voor dit bekende probleem moeilijk te formuleren. De methode die Maksim Kitsak samen met zijn collega's van TU Delft ontwikkelde legt nu de grondslag voor een oplossing. Zo kunnen onnodige afwijkingen in de toekomst snel worden opgespoord of worden voorkomen. Met als resultaat een veiliger internet.
De doorbraak kan worden beschouwd als de volgende grote stap binnen het gebied sinds het pionierswerk van computerwetenschapper Edsgar Dijkstra, die in de jaren vijftig voor het eerst een algoritme ontwikkelde voor het vinden van het kortste pad tussen twee knooppunten in een netwerk. Dit ouderwetse algoritme werkt echter alleen in de veronderstelling dat het hele netwerk vooraf inzichtelijk is, iets wat in de werkelijkheid vrijwel nooit het geval is.
Om een kortste pad te vinden in een onvolledig netwerk, is eerst een goede geometrische representatie nodig. Machine-learning biedt hierbij uitkomst. Zelfs zonder toezicht, met een methode die 'network embedding' wordt genoemd, kan een netwerk geometrisch in kaart worden gebracht.
Alhoewel deze Machine Learning-technieken voor ieder specifiek netwerk opnieuw aan het werk moeten, bestaan er voor het internet, sociale netwerken en netwerken van eiwit-interacties al wel goede 'embeddings', waardoor de geometrische methode al door ieder van deze netwerksoorten snel toegepast kan worden.
Kitsaks nieuwe geometrische methode heeft namelijk ook toepassingen op andere gebieden waar netwerken moeten worden geanalyseerd, zoals het verkennen van eiwitroutes in het lichaam, waardoor een beter begrip ontstaat van ziekten en de behandeling ervan.
Het kan ook helpen bij het analyseren van de verspreiding van pandemieën, zoals bijvoorbeeld een nieuwe COVID-19-uitbraak. In deze analyses is vaak ook maar een klein deel van het netwerk inzichtelijk.