네트워크에서 정보 또는 감염 확산의 기원을 탐지하는 것은 오보 추적, 역학 등에서 중요한 과제입니다. 본 논문에서는 그래프에서 노드 감염 상태의 스냅샷 관찰을 기반으로 전파를 시작한 소스 노드 집합을 추정하는 다중 소스 탐지 문제를 연구합니다. 기존 방법들은 통계적 보장이 부족하거나 특정 확산 모델과 가정에 국한됩니다. 본 논문에서는 기본 확산 과정이나 데이터 분포에 관계없이 소스 집합 탐지에 대한 통계적으로 유효한 재현율 보장을 제공하는 새로운 컨포멀 예측 프레임워크를 제안합니다. 제안된 방법은 예측된 확률과 실제 소스 간의 정렬을 정량화하기 위한 원리적인 점수 함수를 도입하고, 사용자 지정 재현율 및 커버리지 수준으로 예측 집합을 구성하기 위해 보정 집합을 활용합니다. 이 방법은 단일 및 다중 소스 시나리오 모두에 적용 가능하며, 일반적인 네트워크 확산 역학을 지원하고, 대규모 그래프에 대해 계산 효율적입니다. 실험 결과는 제안된 방법이 엄격한 커버리지를 달성하면서 경쟁력 있는 정확도를 보이며, 신뢰성과 확장성 측면에서 기존 기준선을 능가함을 보여줍니다. 코드는 온라인에서 이용 가능합니다.
