Корзина (0)
Ваша корзина пустует и скучает ;)

Модернизация комплекса средств автоматизированного моделирования процессов диффузии деструктивного контента в информационных сетях

ID номер GCC006
Вид Материалы к дипломной работе Специалиста
Написана в 2018
Наполнение 220 страниц, 54 рисунка, 22 таблицы, 82 источника

Содержание

ВВЕДЕНИЕ 9
1 Социальные сети как среда для диффузии деструктивного контента 16
1.1 Характеристика социальной сети 16
1.2 Термины и определения социальной сети 21
1.3 Метрики социальных графов 25
1.4 Классификация пользователей в онлайн-социальных сетях 28
1.5 Анализ моделей диффузии контента в информационных сетях 31
1.6 Вывод по первой главе 37
2 Модель диффузии информации в онлайн-социальной сети с учетом групп 40
2.1 Группы в онлайн-социальных сетях 40
2.2 Классификация онлайн-групп, а также их контента, ресурсов и пользователей 42
2.3 Тематические и социальные группы 46
2.4 Динамика групп в онлайн-социальных сетях 49
2.5 Методическое обеспечение моделирования межгруппового взаимодействия в онлайн-социальных сетях 55
2.6 Информационное обеспечение моделирования межгруппового взаимодействия в онлайн-социальных сетях 68
2.7 Алгоритмическое обеспечение моделирования межгруппового взаимодействия в онлайн-социальной сети 70
2.8 Вывод по второй главе 75
3 Построение модели динамического развития сети 76
3.1 Структура данных и моделей. 78
3.2 Предпочтительное соединение 80
3.2.1 Привязка узла по степени 82
3.2.2 Ребра по возрасту узла 85
3.3 Место присоединения ребер 86
3.4 Процесс появления узлов и ребер 95
3.4.1 Появление ребер 95
3.4.2 Время жизни узла 96
3.4.3 Временной промежуток между ребрами 96
3.4.4 Появление новых узлов 97
3.5 Ботнеты 98
3.5.1 Веб-вредоносные программы и механизмы распространения 100
3.5.2 Модель ботнета 102
3.6 Модель развития сети 111
3.7 Вывод по третьей главе 112
4 Информационное, методическое и алгоритмическое обеспечение анализа для построения модели межсетевого взаимодействия при диффузии информации 113
4.1 Информационное обеспечение моделирования межсетевого взаимодействия в информационном пространстве 113
4.1.1 Распространение эпидемий 113
4.1.2 Многоуровневые и взаимосвязанные сети 115
4.2 Методическое обеспечение моделирования межсетевого взаимодействия в информационном пространстве 118
4.2.1 Определение теории графов для разработки обобщенной макромодели эпидемий 120
4.2.2 Эпидемические процессы на основе модели SIS 121
4.2.3 Многоуровневые сети 123
4.3 Алгоритмическое обеспечение моделирования межсетевого взаимодействия в информационном пространстве 125
4.3.1 Рассмотрение базовых моделей эпидемий и принципов для разработки модели, способной описать межсетевое взаимодействие 126
4.3.2 Определения для обобщенной макромодели 128
4.3.3 Описание Марковских процессов на уровне агентов. 132
4.3.4 Вывод точного уравнения Маркова 140
4.4 Разработка обобщенной макромодели эпидемий 142
4.5 Примеры использования ОМЭ 150
4.5.1 SIS Модель 150
4.5.2 SIR Модель 152
4.5.3 Модель SAIS с распространением информации 154
4.5.4 Распространение нескольких взаимодействующих патогенов 155
4.5.5 Модель межсетевой диффузии контента SEIRMA 158
4.6 Микромодели для межсетевой диффузии 159
4.6.1 Межсетевой микро-фрактал модели SEIRMA 160
4.6.2 Межсетевой микро-фрактал модели SAIS 164
4.7 Вывод по четвертой главе 167
5 Внедрение реализованных моделей и алгоритмов в программный комплекс 169
5.1 Моделирование распространение эпидемии в онлайн-социальной сети с учетом влияния групп 169
5.2 Внедрение модели динамического развития сети 175
5.3 Внедрение модели межсетевой диффузии 185
5.4 Вывод по пятой главе 204
ЗАКЛЮЧЕНИЕ 205
СПИСОК ЛИТЕРАТУРЫ 206

Аннотация

Объектом исследования являются информационные сети, в которых может происходить диффузия контента, перерастающая в эпидемический процесс.

Предметом исследования являются модели дискретных эпидемических процессов, протекающих в информационных сетях.

Цель исследования состоит в совершенствовании методического, алгоритмического и программного обеспечения при моделировании дискретных эпидемических процессов, протекающих в сетях.

Для достижения поставленной цели представляется необходимым решить следующие задачи:

1. Разработать модель диффузии контента с учетом влияния сообществ в онлайн-социальных сетях, которая позволит моделировать противоборство онлайн-групп, распространяющих разный деструктивный контент.

2. Провести анализ социальных сетей с учетом динамического развития, включая распространения спам-сообщений, и разработать модель.

3. Разработать и реализовать обобщенную модель эпидемий, способную учитывать межсетевую диффузию в условиях распространения деструктивного контента пользователями, использующими одновременно несколько социальных сетей.

Новизна результатов:

1. впервые формализована модель межгруппового распространения контента пользователями, в пределах одной информационной сети, которая позволяет выявлять наиболее вирусные сообщества, а также демонстрирует их противоборство;

2. проанализированы и смоделированы процессы динамического развития сетей: образование новых связей, включая триадное смыкание, влияние структур ботнетов на распространение деструктивного контента, создание новых связей между узлами при протекании контента;

3. разработана и реализована обобщенная модель эпидемий, позволяющая учитывать межсетевое распространение контента пользователями, использующими одновременно несколько социальных сетей.

Практическая ценность работы заключается в том, что:

1. алгоритмизированная дискретная микромодель эпидемического процесса учитывает межсетевую диффузию, что позволяет провести более реалистичный анализ деструктивных процессов, протекающих в социальных сетях;

2. разработанная и внедренная в автоматизированный программный комплекс NetEpidemic модель диффузии контента с учитывает влияние онлайн-групп, позволяет моделировать распространение эпидемии в контексте противоборства онлайн-социальных групп, а также выявлять вирусные сообщества;

3. дискретная микромодель эпидемического процесса учитывает факторы динамического развития сети, включая в себя рост, триадное смыкание, структуры ботнетов, образование новых связей при протекании контента.

Методы исследования. В исследовании используются методы системного анализа, теории вероятностей и математической статистики, математического и системного анализа, методы программного моделирования, методы теории графов и рисков.

Введение

Актуальность темы исследования. Информация всегда играла одну из ключевых ролей в жизни человека. В настоящее время её роль увеличивается и в последующем будет только расти. Данный рост значимости информации объясняется все большей популярностью информационных сетей, которые интенсивно внедряются в повседневную жизнь человека посредством информационных технологий. Так, например, если выделить лидера среди социальных сетей, то им окажется социальная сеть Facebook с количеством пользователей 1.87 млрд человек [2]. Для нашей страны безусловным лидером остается социальная сеть «ВКонтакте» с количеством в 90 млн человек [3]. При этом следует заметить, что количество социальных сетей продолжает расти, и в обозримом будущем эта тенденция сохранится.

Помимо этого, всё большее признание приобретают так называемые мессенджеры – программы для обмена мгновенными сообщениями через Интернет. Среди них, наиболее популярными являются WhatsApp, Facebook Messenger, Viber и Telegram [4].

На сегодняшний день социальная сеть представляется собой личную страницу пользователя, способную хранить генерируемый им контент. Например, пользователь может загрузить фотография, добавить аудиозапись или видеофильм на личную страницу. Помимо этого, пользователь может делиться впечатлениями от ранее просмотренного контента с другими участниками социальной сети, а также вступать в группы. В результате данного взаимодействия между пользователями образуются устойчивые отношения [5].

Следует отметить, что изначально социальные сети задумывались как сети для общения между ранее знакомыми людьми, но затем они эволюционировали и в настоящее время представляют собой сети, где каждый может найти себе собеседника по интересам. Так же пользователи могут объединяться в группы. Группы представляют собой сообщества, состоящие по крайней мере из трех личностей, объеденных каким-либо общим интересом или идеей. Находясь в группе, пользователь, как правило, начинает больше потреблять или генерировать контента. Например, он может делиться новостями, закладками, фотографиями, аудиофайлами или видеофайлами, помимо этого он может принимать активное участие в обсуждении того или иного контента или участвовать в его создании [10].

С точки зрения психологии пользователь воспринимает свою страницу как некоторое личное пространство, что обусловлено особенностями социальной сети, такими как самоопределение, возможность выбора круга общения, фильтрации контента и т.д. Однако именно из-за возможности пользователя самоопределяться в социальной сети его доверие к информации, распространяемой в этой сети становиться больше, чем к информации, получаемой из других источников, таких как федеральные СМИ [6].

Благодаря широкому обилию функциональных возможностей, предоставляемых информационными сетями, в них может распространяться практически любой контент, в том числе и деструктивный. При этом распространение деструктивного контента может оказывать влияние, как на мировом уровне, так и на региональном. Так, например, достоверно известно, что социальные сети активно используются для организации «цветных революций», ведение информационного противоборства, координации и распространения террористических, экстремистских и сепаратистских взглядов и настроений и т.д. [7]. Естественно, подобное влияние информационных сетей не могло остаться без внимания нашего государства и как следствие были приняты законы и нормативно-правовые документы, направленные на противодействие деструктивному влиянию информационных сетей. Согласно п. 43 Стратегии национальной безопасности Российской Федерации, утвержденной Указом Президента РФ от 31 декабря 2015 года №683 «О стратегии национальной безопасности Российской Федерации» одной из основных угроз государственной и общественной безопасности является деятельность, связанная с использованием информационных и коммуникационных технологий для распространения и пропаганды идеологии фашизма, экстремизма, терроризма и сепаратизма, нанесения ущерба гражданскому миру, политической и социальной стабильности в обществе [8]. Помимо этого, проблема деструктивного влияния информационных сетей была также отражена в новой редакции Доктрины информационной безопасности Российской Федерации, утвержденной Указом Президента РФ №646 от декабря 2016, согласно которой среди основных угроз информационной безопасности отмечается расширение масштабов использования специальными службами отдельных государств средств оказания информационно-психологического воздействия, направленного на дестабилизацию внутриполитической и социальной ситуации в различных регионах мира и приводящего к подрыву суверенитета и нарушению территориальной целостности других государств [9,10].

Таким образом, можно заключить, что информационные сети обладают огромным потенциалом использования как в мирных, так и в военных целях, в результате чего в настоящее время ведутся активные исследования в области распространения информации между онлайн-социальными сетями.

Исходя из вышесказанного, можно выделить следующие факторы, обуславливающие актуальность исследования:

1. Ростом популярности информационных сетей и халатного отношения пользователей к распространяемой информации в них.

2. Присутствием в информационных сетях огромного количества деструктивного контента, а также наличием большего числа способов по его распространению.

3. Ростом скорости развития технологий, а, следовательно, и ростом мощностей деструктивных воздействий на информационных сети.

4. Необходимость в создание и последующей модернизации автоматизированного программного комплекса, позволяющего анализировать диффузию контента в информационных сетях.

Таким образом можно заключить, что в данной области необходимо создание комплексного научно-методического обеспечения, которое позволит анализировать и моделировать диффузию информации, протекающих в онлайн-социальных сетях, а также управлять информационными рисками на основе данных о вероятном ущербе при возникновении различных угроз.

Анализ ранее предложенных моделей при описании эпидемических процессов указывает на несовершенство этих модели и наличия в них существенных противоречий:

1. Предложенные модели диффузии не рассматривают пользователя, как участника онлайн-сообщества, а, следовательно, не учитывают борьбу, происходящую между онлайн-сообществами, за внимание пользователей, а также диффузионные процессы, протекающие в рамках этой борьбы. В связи с этим является логичным последующая модернизация одной из существующих моделей диффузии контента с учетом влияния сообществ в онлайн-социальной сети.

2. В имеющихся моделях информационной диффузии в отличие от целевой модели, наиболее приближенной к реальности, не учитывается изменение структурного содержания сети, так называемое динамическое развитие, сеть зачастую выступает как стационарный объект. В реальности в течение сравнительно небольшого промежутка времени в сети может существенно измениться как количество пользователей, так и количество и качество связей между ними. В связи с этим логичным является совершенствование методического, алгоритмического и программного обеспечения в контексте учета динамики сети.

3. В настоящее время ни одна модель не рассматривает пользователя, как участника нескольких сетей, а, следовательно, вероятность распространения информации будет изменяться в зависимости от сети, в которой она циркулирует. К тому же, конкурентная борьба разных сетей за внимание пользователя также играет немаловажную роль и ее надо учитывать при анализе и регулировании процессов распространения контента. Кроме того, различные сети могут преследовать различные цели и вести конкурентную борьбу, инструментами которой зачастую являются пользователи (реальные или искусственно созданные боты), принадлежащие сразу двум противоборствующим сетям.

Заключение

В результате проделанной работы были разработаны модель диффузии контента с учетом влияния групп, модель межсетевой диффузии контента в онлайн-социальных сетях, а также модель динамического развития сети с учетом триадного смыкания и ботнета.

Была осуществлена алгоритмизация выше перечисленных моделей, проведено их внедрение в автоматизированный программный комплекс Netepidemic, а также продемонстрированно последующее использования данного комплекса в процессе моделирования эпидемического процесса.

В процессе выполнения данной работы также было формализовано динамическое изменение структуры онлайн-сообществ в сети, дана классификация онлайн-групп, их участников, а также контента, распространяемого в них.

Помимо этого, в работе были проанализированы процессы динамики в социальных сетях. Составлена модель роста сети. Дискретная микромодель эпидемического процесса учитывает такие структурные особенности динамического развития, как динамический рост, триадное смыкание. В модели также учтено наличие и рост кластеров ботнетов.

В ходе работы также была разработана обобщенная модель эпидемий, с помощью которой была реализована модель межсетевой диффузии контента между пользователями, использующими одновременно несколько онлайн социальных сетей.

Результаты, которые были получены в выполненной работе, могут стать основой для дальнейшего развития теории информационной диффузии в различных информационных сетях. Программный комплекс, который был значительно усовершенствован в процессе выполнения данной дипломной работы, проводит моделирование информационной диффузии в сетях более точно и правдоподобно в связи с учетом изменения структуры данных сетей, а значит, можно сделать более точные рекомендации по управлению информационными рисками.

Список
литературы

1 Number of social media users worldwide from 2010 to 2021 (in billions) – Электрон. дан.

2 Статистика социальной сети «Facebook» и информация о компании.

3 Статистика социальной сети «ВКонтакте» и информация о компании.

4 Most popular mobile messaging apps worldwide as of January 2017, based on number of monthly active users (in millions).

5 Kadushin C. Understanding Social Networks: Theories, Concepts, and Findings / C. Kadushin // Oxford University Press – 2014. – P. 264

6 Pantic I. Онлайн Social Networking and Mental Health / I. Pantic. - Cyberpsychology, Behavior, and Social Networking. – 2014. – Vol. 17. – P. 652 – 657.

7 Arab Spring – Электрон. дан.

8 Указ Президента РФ от 31 декабря 2015 года №683 «О стратегии национальной безопасности Российской Федерации». 2016.

9 Указ Президента РФ № 646 от декабря 2016 года об утверждении Доктрины информационной безопасности». 2016.

10 Доктрина информационной безопасности Российской Федерации (утв. Указом Президента Российской Федерации от 5 декабря 2016 г. №646).

11 Ntemana T. J. Analyzing the influence of diffusion of innovation attributes on lecturers’ attitudes toward information and communication technologies / T. J. Ntemana, W. Olatokun // An Interdisciplinary Journal on Humans in ICT Environments. – 2012. – Vol. 8 – P. 179-197.

12 Pinto J. C. L. Information diffusion and opinion dynamics in social networks / J. C. L. Pinto. – Paris: Institut National des Telecommunications. – 2016. – P. 200.

13 Naumov P. Marketing impact on diffusion in social networks / P. Naumov, J. Tao // Journal of Applied Logic. – 2017. – Vol. 20. – P. 49-74.

14 Guille A. Information Diffusion in Онлайн Social Networks: A Surve/ A. Guille, H. Hacid, C. Favre, D. A. Zighed // international conference SIGMOD 2013 New Your – 2013. – P. 12.

15 Newman M. E. J. Networks: An Introduction / M. E. J. Newman. – Oxford : Oxford University Press. – 2010. – P. 720.

16 Newman M. E. J. Random graph models of social networks / M. E. J. Newman, D. J. Watts, S. H. Strogatz // Proc. Natl. Acad. Sci. USA. – 2002. – Vol. 99. – P. 2566-2572.

17 Abassi A. Betweenness centrality as a driver of preferential attachment in the evolution of research collaboration networks / A. Abassi, L. Hossain, L. Leydesdorff // Journal of Informetrics. – 2012. – № 6. – P. 412.

18 Perra N. Spectral centrality measures in complex networks / N. Perra, S. Fortunato // Phys. Rev. – 2008. – Vol. 78. – P. 248–268.

19 Freeman L. C. A Set of Measures of Centrality Based on Betweenness / L. C. Freeman // Sociometry. – 1997. – Vol. 40. – P. 35–41.

20 P. Bonacich Eigenvector-like measures of centrality for asymmetric relations / P. Bonacich, P. Lloyd // Social Networks – 2001. - № 23 - P. 191-201

21 Newman M.E. The spread of epidemic disease on networks / M.E. Newman // The center of Study of Complex Systems, University of Michigan. – 2002. – Р. 214.

22 Woo J. Epidemic model for information diffusion in web forums: experiments in marketing exchange and political dialog / J. Woo, H. Chen // Graduate School of Information Security, Korea University, Anamro, Seoul, Korea. – 2016. – P. 19.

23 Cannarella J. Epidemical modeling of онлайн social network dynamics / J. Cannarella, J.A. Spechler // Department of Mechanical and Aerospace Engineering, Princeton University, Princeton, NJ, USA. – 2014. – Р. 66.

24 Шварцкопф Е.А. Моделирование эпидемического процесса заражения пользователей безмасштабной сети с учетом её топологии / Е.А. Шварцкопф, Ю.Н. Гузев, И.Л. Батаронов, В.И.Белоножкин // Информация и безопасность. – 2015. – Т. 18. Вып. 4. – С. 520–523

25 Yuanyuan Bao. A new rumor propagation model and control strategy on social networks / Bao Yuanyuan // Proceedings of the 2013 IEEE/ACM International Conference on Advances in Social Networks Analysis and Mining. - P. 1472–1473.

26 Карпеев Д.О. Применение каскадных моделей при оценке рисков распространения вредоносной информации в социальных сетях / Д.О. Карпеев, Д.А. Савинов, А.В. Заряев, В.С. Зарубин, О.Н. Чопоров // Информация и безопасность. – 2015. – Т. 18. Вып. 4. – С. 512-515.

27 Информационные риски в социальных сетях / Остапенко Г.А., Паринова Л.В., Белоножкин В.И. и др. / Под ред. Д.А. Новикова. – 2013. – 161с.

28 Новиков Д.А. Информационные риски и эпистойкость безмасштабных сетей / Д.А.Новиков, А.Г. Остапенко, А.О. Калашников, Д.Г. Плотников, Е.С. Соколова // Информация и безопасность. – 2015. – № 1. – С. 5–18.

29 Chen Y. Finding a better immunization strategy / Y. Chen, G. Paul, S. Havlin, F. Liljeros, H. E. Stanley // Phys. Rev. – 2008. – Vol. 101. – P. 4

30 Cohen R. Efficient immunization strategies for computer networks and populations / S. Havlin, D. Avraham, R. Cohen // Phys.Rev. – 2003. – Vol. 91. – P. 4


Скачать работу на данную тему

Зачем покупать готовую работу?

В связи с тем, что авторы ITdiplom выполняют работы с использованием актуальной иностранной и русскоязычной литературы, собственных многолетних наработок, а также данных с официальных статистических ресурсов, готовые материалы не теряют своей актуальности и на сегодняшний день
Уникальность таких готовых работ на момент повторного приобретения по системе «Антиплагиат» варьируется в диапазоне 75-95%. При этом на протяжении учебного семестра/полугодия каждая работа реализуется единственный раз одному клиенту во избежание повторений при сдаче
Такие материалы с легкостью можно использовать как основополагающие для выполнения собственных работ

Цена готовой ВКР/НИР, дипломной работы или магистерской диссертации

Купить подобный готовый материал можно от 4.000 руб.
В стоимость включены:
- Готовый материал с уникальностью в диапазоне 75-95%
- Презентация и речь
- Корректировка до 10 страниц по замечаниям руководителя
- Репетиторские услуги вплоть до защиты
- Программный продукт (по запросу)

Как узнать точную цену готовой работы

Возможность продажи, точная стоимость конкретной работы и доп. информация предоставляются по запросу:
- Онлайн чат "Бесплатная консультация"
- Мессенджеры 8 (900) 299-30-57
- Запрос на почту zakaz@itdiplom.ru
В запросе необходимо указать ID номер или тему работы

Категории

Скачать презентацию к представленной выше работе

Скачать дипломную работу, представленную выше

Выбрать или купить другие готовые дипломные работы по схожей тематике

Заказать дипломную работу по схожей тематике или оценить стоимость можно при помощи формы Узнать стоимость моей работы.

Воспользуйтесь формой запроса точной стоимости готовых работ, указав ID номера или темы интересующих работ

В стоимость данной работы включены:

- Готовый материал с уникальностью в диапазоне 75-95%
- Презентация и речь, подготовка к защите
- Корректировка до 10 страниц по замечаниям руководителя
- Репетиторские услуги вплоть до защиты
- Программное обеспечение (зависит от темы - наличие по запросу)