Аннотация |
Актуальность исследования обусловлена следующим.
1. Отсутствием на настоящее время исследований в сфере управления информационными рисками в социальных сетях, учитывающих особенности конкретных социальных сетей, их контента, в частности социальной сети ВКонтакте, при распространении фейковой информации, оказывающей деструктивно-управляющее воздействие на пользователей сетей.
2. Наличием в информационных сетях огромного количества фейковой информации, которая носит деструктивный характер.
3. Ограниченной осведомленностью людей, особенно молодежи, об определении ложной и истинной информации, которая распространяется в социальных сетях.
Таким образом, в данной области необходимо создание комплексного научно-методического обеспечения, которое позволит подробно исследовать процессы распространения фейков в социальных сетях.
Исследования предшествующих моделей распространения фейков в социальных сетях указывают на неполноту и несовершенство этих моделей, в связи с этим возникают следующие противоречия.
1. Существующие модели [40-44] распространения фейков не учитывают особенности распространения фейкового контента в некоторых социальных сетях. В связи с этим является логичным изучение основных способов распространения фейков в социальной сетия ВКонтакте.
2. Упомянутые выше модели распространения фейков не учитывают потенциальную возможность пользователей подвергнуть сомнению полученную информацию и проверить ее на достоверность, что не соответствует действительности, так как у пользователя есть большое количество альтернативных источников информации, по которым он может установить ложность фейка.
3. В предыдущих работах не проводилось автоматизированное моделирование процессов распространения фейков в социальных сетях, что не позволяет в достаточной мере сделать выводы об успешности распространения фейков при различных параметрах.
Объектом исследования является социальная сеть ВКонтакте, в которой происходит распространение фейковой информации.
Предметом исследования являются модели распространения фейков в социальных сетях.
Цель исследования состоит в разработке дискретной вероятностной модели распространения фейков, учитывающей особенности конкретных социальных сетей, в частности социальной сети ВКонтакте.
Для достижения поставленной цели представляется необходимым решить следующие задачи.
1. Произвести формализацию описания социальной сети ВКонтакте с учетом особенностей распространения фейкового контента, а также определить основные способы распространения фейков в социальных сетях.
2. Разработать дискретную вероятностную модель распространения фейков, учитывающую особенности конкретных социальных сетей, в частности социальной сети ВКонтакте.
3. В программном комплексе «NetEpidemic» реализовать возможность моделирования процесса распространения фейков на основе разработанной модели.
Новизна результатов.
1. Систематизированы общие подходы к описанию и формализации фейков, определены основные способы распространения фейкового контента в социальной сети ВКонтакте. Впервые предложено выражение для нахождения эффективности фейкового контента, учитывающее особенности контента социальной сети ВКонтакте.
2. Впервые предложена дискретная вероятностная модель распространения фейков SEIHRZ, отличающаяся от аналогов тем, что учитывает потенциальную возможность пользователей подвергнуть сомнению полученную информацию и проверить ее на достоверность, таким образом позволяя пользователям приобрести иммунитет к фейку.
3. Впервые смоделирован процесс распространения фейков по модели SEIHRZ в специализированном программном обеспечении «NetEpidemic».
Практическая ценность работы заключается в том, что:
- исследование способов распространения фейков в социальной сети ВКонтакте позволяют расширить и дополнить моделирование эпидемий и соответственно представить более цельную картину функционирования социальных сетей при распространении фейкового контента;
- предложенная модель распространения фейков в социальных сетях раскрывает новые возможности для распространения деструктивного контента, в связи с этим совершенствуются методы управления рисками;
- моделирование процессов распространения фейков в социальных сетях позволяет разработать эффективные способы противодействия процессам распространения фейков.
Методы исследования. В исследовании предполагается использовать методы теории вероятности, методы математической статистики и статистического анализа, методы теории графов, методы аналитического моделирования.
|
Введение |
Актуальность темы исследования.
В настоящее время сеть Интернет является основным источником получения информации для большинства людей. Подробный анализ большого количества социальных исследований показывает существенный прирост числа пользователей с каждым годом [1-3]. Согласно последним исследованиям, изложенных в докладе ООН «Broadband catalyzing sustainable development», количество пользователей Интернета достигло отметки в 3,58 млрд человек, что составляет практически половину населения земного шара [1]. Что касается нашей страны, то доля интернет-пользователей в России составляет около 80% [2]. Примечательно, что среди молодых людей в возрасте от 16 до 29 лет этот показатель достиг 97% [3].
В связи с высокой популярностью социальных сетей они помимо выполнения функций поддержки общения, обмена мнениями и получения информации всё чаще становятся объектами и средствами информационного управления, а также ареной информационного противоборства. Они являются существенным инструментом информационного влияния, в том числе – в целях манипулирования личностью, социальными группами и обществом в целом, а также полем информационной войны [4-7].
Термин «социальная сеть» был введен задолго до появления Интернета и традиционных интернет-сетей. В 1954 году американский социолог Джеймс Барнс так обозначил социальную структуру, состоящую из группы узлов, которыми являются социальные объекты (общность, социальная группа, человек, личность, индивид) [8]. С развитием Интернета этот термин стал широко применяться для обозначения ресурсов, функционал которых позволяет представлять себя в Интернете, создавать собственную страничку и общаться с другими пользователями. Сегодня в общепринятом понятии под социальной сетью понимают интернет-площадку, сайт, который позволяет зарегистрированным на нем пользователям размещать информацию о себе и коммуницировать между собой, устанавливая социальные связи.
Социальная сеть (от англ. social networks) – это социальная структура, состоящая из группы узлов, которыми являются социальные объекты (люди, группы людей, сообщества, организации) и связей между ними (социальных взаимоотношений) [9].
В социальной сети ВКонтакте в сутки пользователи отправляют 5 млрд. сообщений и 1 млрд. раз ставят отметку «Мне нравится». Все эти данные говорят о высокой популярности социальной сети. Все социальные сети имеют структуру автоматизированной социальной среды, которая обеспечивает коммуникации не только отдельных пользователей, но и групп, которые образовались при объединении общих интересов пользователей.
Но вместе со всеми преимуществами социальные сети представляют собой серьезную угрозу информационной безопасности. Любая социальная сеть определяется контентом, который она содержит. В информационных сетях может распространяться контент практически любого характера, в том числе и деструктивного. Значительная часть информационного потока содержит недостоверное или вводящее в заблуждение содержание. Данный феномен получил название фальшивых или фейковых новостей.
В связи с высокой популяризацией термин «фейк» стали использовать очень расширительно, называя фейком и фотографии, обработанные в Photoshop, иногда и видеоролики, смонтированные в видеоредакторе, страницы в социальных сетях, созданные от имени других (как правило, известных) людей, анекдотические истории, которые распространяют так называемые шоу-площадки и развлекательные ресурсы. В общем случае, фейк – это целенаправленное использование выдуманных и специально сфабрикованных новостей, главной целью которых является подрыв репутации какого-либо института, организации или персоны. Наиболее точными синонимами фейковой новости является дезинформация или вброс фальшивки. Как правило, создатель новостного фейка имеет цель что-то дискредитировать или кого-то опорочить. Даже если вскоре информационные агентства разоблачат фейковую новость, фейк сработает на психологию восприятия как манипуляция. Фейковые новости оставляют в сознании аудитории неприятный осадок даже после того, как проверка фактов проведена и подделка разоблачена [11].
Фейк (от англ. fake) – это информационная мистификация или намеренное распространение дезинформации в социальных сетях и традиционных СМИ [12]. Фейк по-английски означает «подделка».
Термин «фейковые новости» в последние годы становится все более распространенным. Успех фальшивых новостей связан с рядом причин социального и психологического характера. Даже в идеальных условиях, когда пользователи нацелены на выявление и отказ от распространения низкокачественной информации, поток информации настолько велик, что в результате информационной перегрузки и потери бдительности всё равно становится возможным попадание в него значительной доли дезинформации. В реальном же мире, особенно в условиях социальных сетей, пользователи которых разделены на сообщества с тенденцией к поляризации политических и иных взглядов, на доверие к информации нередко влияют предубеждения участников и механизмы группового подкрепления. Кроме того, сами по себе алгоритмы социальных сетей построены таким образом, что приоритет получают не материалы, заслуживающие доверия, а те, которые привлекают больше внимания пользователей.
Хотя дезинформация в новостных сообщениях — это не новое явление, онлайновые системы распространения информации, особенно построенные по модели социальных сетей, являются для неё особенно подходящей средой. Связано это с тем, что механизмы, которые определяют популярность определённого сообщения, легко подвержены манипуляции с использованием специальных программ (так называемых «ботов»), имитирующих активность реальных пользователей, либо «бригад» — специально организованных дезинформационных групп, действующих аналогичным образом. Такие боты или бригады становятся центрами сети социальных контактов, втираясь в доверие к пользователям, которые также начинают участвовать в распространении фейкового контента.
Как показывают исследования, относительно небольшое количество используемых ботами или бригадами учётных записей позволяет создать существенный по объёму поток дезинформации[13-16]. Для этого используется несколько стратегий. Во-первых, изначально информация организованно тиражируется ботами, чтобы она была замечена алгоритмами социальных сетей, неспособными отличить реальный «вирусный» интерес пользователей от накручиваемого искусственно. Во-вторых, боты используют механизмы социальных сетей, такие как хеш-теги и комментарии, чтобы привлечь внимание пользователей, выступающих центрами влияния. Наконец, используются технические средства, такие как TOR-сеть и прокси-серверы, для того, чтобы скрыть реальное местонахождение пользователей и создать видимость географического разнообразия их местонахождения.
Таким образом, социальные сети все чаще используются в качестве эффективной среды распространения ложной информации, недобросовестной конкурентной борьбы и политической пропаганды.
Согласно исследованиям около 78% людей доверяют информации, которая публикуется в социальных сетях. [17]. Пользователи не читают материалы, на которые ссылается социальная сеть, и не проверяют достоверность фактов, представленных в заголовке, текстовом анонсе, на иллюстрации и в самом материале. Это дает потенциальную возможность воздействовать на ожидания пользователей, которые зачастую не соответствуют действительности, и формировать выгодную для какой-либо стороны общественную точку зрения.
Например, размещение поддельных репостов на материалы ведущих экономических СМИ, чьи бренды имеют репутацию доверенных, относительно состояния национальной экономики и курсов валют может спровоцировать панику у населения того или иного региона.
Как показали события вокруг выборов президента в США и экономической ситуации в России, которые сопровождались массовыми вбросами ложной информации в социальные сети, внесением правок в «Википедию», ростом активности фейковых аккаунтов и другими подобными действиями, технология может быть весьма востребована и в Facebook, и в ВКонтакте, и в Twitter, и в других социальных сетях.
|
Список
литературы |
1 THE STATE OF BROADBAND: BROADBAND CATALYZING SUSTAINABLE DEVELOPMENT - Электрон. дан.
2 TOP 20 COUNTRIES WITH THE HIGHEST NUMBER OF INTERNET USERS - Электрон. дан.
3 Количество пользователей интернета в России.
4 Губанов Д. А. Социальные сети: модели информационного влияния, управления и противоборства / Д. А. Губанов, Д. А Новиков, А. Г. Чхартишвили. – М.: Физматлит. - 228с.
5 Губанов Д. А. Модели влияния в социальных сетях (обзор) / Д. А. Губанов, Д. А Новиков, А. Г. Чхартишвили // Управление большими системами. — 70 с.
6 Губанов Д. А. Модели распределенного контроля в социальных сетях / Д. А. Губанов, Д. А Новиков // Системы управления и информационные технологии. – №37 – С. 124–129.
7 Губанов Д. А. Модели репутации и информационного управления в социальных сетях / Д. А. Губанов, Д. А Новиков, А. Г. Чхартишвили // Математическая теория игр и ее приложения. – С.14–37.
8 Дужникова А.С. Социальные сети: современные тенденции и типы пользования / А.С. Дужникова // Мониторинг общественного мнения: экономические и социальные перемены - №5(99). – 289 с.
9 Воронкин А.С. Социальные сети: эволюция, структура, анализ. - Электрон. дан.
10 ВКонтакте - Электрон. дан.
11 Фейковые новости как паразит социальных сетей – Электрон. дан.
12 Википедия. Фейк. – Электрон. дан.
13 Alymov A.S. Detection of bot programs that mimic the behavior of people in the social network "Vkontakte" / A.S. Alymov, V.V. Baranjuk, O.S. Smirnova // International Journal of Open Information Technologies.
14 Евсеева А.О. Идентификация ботов в социальных сетях на базе технологий интеллектуального анализа данных / А. О. Евсеева, Р. И. Гумерова, А. С. Катасёв, А. П. Кирпичников // Вестник технологического университета. Т.20, №5 C.87-90.
15 Катасёв А.С. Нейросетевая модель идентификации ботов в социальных сетях / А. С. Катасёв, Д. В. Катасёва, А. П. Кирпичников, А. О. Евсеева // Вестник технологического университета. Т.18, №16 C.253-256.
16 Chesnokov V.O. APPLICATION OF THE COMMUNITY ALLOCATION ALGORITHM IN THE INFORMATION CONFRONTATION IN THE SOCIAL NETWORKS / Вопросы кибербезопасности №1(19) C.37-44.
17 Morozova A.A. VALIDITY OF INFORMATION IN SOCIAL NETS AND CRITERIA OF ITS VERIFICATION (BY THE EXAMPLE OF VKONTAKTE) / Bulletin of Chelyabinsk State University. No. 6 (402). Philology Sciences. Iss. 106. Рp. 75-83.
18 Остапенко Г.А. Информационные риски в социальных сетях / Г.А. Остапенко, Л.В. Паринова, В.И. Белоножкин, И.Л. Батаронов, К.В. Симонов./ Под ред. член-корр. РАН Д.А. Новикова. - 161с.
19 Паринов А.В. Социальные сети как среда распространения деструктивного контента / А.В. Паринов, Д.В. Гусев, Е.А. Автонова, Е.В. Гусев, В.А. Кургузкин, С.С. Тихонова / Информация и безопасность. – Т. 20. – Вып.1. – С. 5-38.
20 Number of social media users worldwide .
21 Most famous social network sites worldwide, ranked by number of active users (in millions).
22 Захарова: отношение к инициативам РФ на Генассамблее ООН заметно улучшилось.
23 Lewandowsky S. Misinformation and Its Correction: Continued Influence and Successful Debiasing / S. Lewandowsky, U. Ecker, C. Seifert // Psychological Science in the Public Interest. – Vol. 13. №3. – P. 106 – 131.
24 Описание методов API.
25 Google & Facebook to target fake news sites by harshening ads policies – Электрон. дан.
26 Алымов А.С. Детектирование бот-программ, имитирующих поведение людей в социальной сети «ВКонтакте» / А.С. Алымов, В.В. Баранюк, О.С. Смирнова // International Journal of Open Information Technologies. – Vol. 4. № 4. – С. 55 – 59.
27 Kind S. Social Bots / S. Kind, M. Bovenschulte, S. Ehrenberg-Siles, T. Jetzke, S. Weide. – 16 с.
28 Ferrara E. The Rise of Social Bots / E. Ferrara, O. Varol, C. Davis, F. Menczer. – 11 с.
29 Reuter C. Rumors, Fake News and Social Bots in Conflicts and Emergencies: Towards a Model for Believability in Social Media / C. Reuter, M. Kaufhold, R. Steinfort. – 9 с.
30 Статистика по социальной сети YouTube. Электрон. дан.
…
|
