Оценка рисков и ущерба от распространения деструктивного контента в социальной сети закладок Twitter

Объектом исследования является сеть социальных закладок Twitter, подвергающаяся воздействию вредоносного контента.

Предметом исследования является модель сети социальных закладок Twitter, оценка, анализ и регулировании рисками в процессе распространения вредоносного контента.

Цель исследования состоит в оценке рисков и ущерба от распространения деструктивного контента в социальной сети закладок Twitter, разработке методик повышении ее защищенности.

Для достижения цели необходимо решить следующие задачи:

- провести анализ контентных, структурных и функциональных особенностей социальной сети закладок Twitter;

- провести поиск и анализ статистических данных сети закладок Twitter, для получения сведений, необходимых для построения модели сети и моделирования эпидемических процессов;

- построить математическую модель социальной сети закладок Twitter на основании модели Янсона-Лучака с характеристиками, соответствующими статистической выборке с учетом метрик для взвешенных сетей;

- построить информационную модель социальной сети закладок Twitter и провести моделирование процесса распространения деструктивного контента с последующим анализом результатов для заданной разновидности контента, включая изменение начальных условий в части внедрения деструктивного контента;

- исходя из данных анализа, полученных в результате моделирования, выработать рекомендации по уменьшению ущерба от распространения деструктивного контента.

На защиту выносятся:

- схемы структурно-функциональных особенностей сети, ресурсов сети, размещения контента сети, взаимодействия субъектов и объектов социальной сети закладок Twitter;

- реализация моделирования процесса информационной диффузии с учетом моделирования социальной сети закладокTwitter как безмасштабной сети.

- рекомендации по управлению информационными рисками для сети.

Ожидаемая новизна результатов заключается в следующем:

- построена новая математическая модель сети с характеристиками, соответствующими статистической;

- произведен анализ моделирования распространения деструктивного контента с отличными начальными условиями распространения;

- проведен анализ контента социальной сети Twitter, следствием которого является определение предпочтений аудитории социальной сети;

- при моделировании учтена иерархичность структуры социальной сети и проанализирован ущерб в зависимости от типа распространения деструктивного воздействия по сети.

Теоретическая значимость работы заключается в следующем:

– построении модели распространения контента в социальной сети;

– анализе проведенного моделирования диффузии контента в сети;

– построении модели сети на новой математической модели безмасштабной сети;

– выработке рекомендаций по уменьшению ущерба от воздействия деструктивного контента, на основе результатов, полученных в процессе моделирования процесса диффузии контента в сети.

Практическая ценность результатов заключается в том, что:

- построенная информационная модель сети, учитывающая особенности распространения деструктивного контента и предпочтения аудитории социальной сети, позволит осуществлять эффективное регулирование контентом на примере сети социальных закладок Twitter;

- схемы структурно-функциональных особенностей сети, а также матрица взвешенной центральности сети могут быть использованы для дальнейшего анализа процессов протекающих в сети.

Методы исследования. В исследовании применяются методы системного анализа, математического и риск – анализа, теории вероятностей и математической статистики, теории графов.

Актуальность темы исследования. В текущий момент объем обмениваемой пользователями информации достиг новой рекордной отметки. Данное явление стало следствием интенсивного внедрения современных информационно-коммуникационных технологий, повсеместного развития локальных, корпоративных и глобальных сетей, развития предоставляемых услуг и средств для их использования [1].

В настоящее время мир, во многом, стал зависеть от услуг, предоставляемых сетью Интернет. Большинство людей в современном обществе пользуются электронными сервисами, такими как онлайн-банки, электронные магазины и социальные сети. У каждого человека есть свои определенные интересы и предпочтения в окружающих его сферах деятельности: искусстве, науке, спорте или информационных технологиях. Для того, чтобы быть в курсе последних новостей по интересующей тематике, создаются различные группы и блоги в социальных сетях, RSS-каналы, отдельные каналы в мессенджерах и онлайн-платформах, тематические специализированные сайты. Через них распространяется большое количество информации, которую необходимо сохранить для последующего прочтения в удобном для себя месте и через удобное устройство [55].

С целью сохранения накопленной информации можно воспользоваться различными средствами. Для социальных сетей и мессенджеров - переслать информацию на свою страницу или отправить сообщением самому себе, оставить закладку на понравившуюся информацию. На тематических сайтах администрацией создаются специальные кнопки («Сохранить», «Добавить в избранное») и ссылки в профиле, ведущие в отдельный раздел сайта («Сохраненное», «Избранное»). В связи с популяризацией социальных сетей в них всё чаще встраивают кнопки «Поделиться» (англ. Share). При наличии большого количества интересующих страниц копирование каждой ссылки в сообщение или на свою страницу в социальные сети становится нецелесообразным. В этом случае на помощь приходят «закладки» - локальное хранилище, содержащее ссылки на интересующие страницы. Во всех без исключения современных браузерах есть функции добавления закладок. В случае авторизации в личной учетной записи закладка может быть сохранена в облачном хранилище, и она будет доступна во всех устройствах в случае синхронизации учетных записей [55].

Синхронизация данных учетных записей интернет-браузеров заслуживает отдельного рассмотрения. Раздел настроек зачастую предоставляет большую гибкость по отношению работе с сохранёнными закладками. Например, можно выбрать те пункты, которые будут периодически синхронизироваться. Либо настроить полную автоматическую синхронизацию. Однако в большинстве случаев, требуется удобный доступ к разным интернет-страницам на разных платформах, в каждой из которых требуется авторизация [64].

Именно с целью устранения проблем синхронизации данных учетных записей существуют специальные веб-сервисы, так называемые «социальные закладки» (англ. socialbookmarking). Подобные сайты позволяют искать информацию, создавать закладки, сохранять адреса веб-ресурсов, делиться и управлять ими [55].

Ресурсы социальных закладок являются своеобразным подобием браузерных закладок, только хранятся не в локальной памяти устройства, а на удаленном сервере. Пользователь может получить доступ к своим закладкам с любого устройства, которое подключено к сети Интернет в случае авторизации на ресурсе социальных закладок. Удобство такого рода сервисов заключается в том, что требуется один вход в личную учетную запись - нет необходимости помнить данные для каждого отдельного браузера со своей учетной записью. К преимуществам данного метода хранения данных также можно отнести и тот факт, что данные на серверах зачастую имеют резервные копии на случай сбоев, в отличие от локальных хранилищ, а проблема защиты информации или системы в целом ложится на плечи владельца ресурса. Данный факт также можно считать и минусом данных средств [82].

Помимо всего прочего, сервисы социальных закладок используются для продвижения сайтов и получения трафика, так как через них возможно увеличить индексацию интернет-страниц. Основной чертой, отличающей социальные закладки от веб-каталогов, является разделение информации по категориям пользователями сервиса.

Рост кибер-преступности в современном обществе оказывает большое влияние на развитие сетей социальных закладок, так как данные сервисы обладают важной для людей информацией. Сети социальных закладок, в своем большинстве, уделяют большое внимание обеспечению безопасности личных данных пользователей, и кибер-атаки являются огромной угрозой для данной информации. Как правило, информация в подобных сетях реализована по иерархическому принципу, из-за чего они являются крайне неустойчивыми, т.к. отказ одного из элементов может повлечь отказ всей системы. Разные деструктивные воздействия имеют разное влияние на степень и характер повреждения сети.

Живучесть сети является важным аспектом качества услуг сервисов. Сеть должна быть доступной для пользователя в любой момент, когда он захочет использовать ее. В момент атаки сеть должна в кратчайшие сроки восстановить свои функции, если функциональная работоспособность была нарушена[104]. Живучесть заключается в предоставлении услуг в случае неисправностей, сбоев системы, и возможности полного восстановления работоспособности при отказе в короткие сроки [105].

Проведем анализ дискретных моделей распространения вредоносного воздействия в сетях социальных закладок [48,82]. При описании эпидемических процессов был сделан вывод о несовершенстве этих модели и наличии целого ряда следующих существенных противоречий:

– сети социальных закладок содержат ссылки на большое количество сервисов, и, в случае успешной атаки, будет получен доступ к нескольким аккаунтам пользователя. Следовательно, необходимо отразить связи между различными сетями при моделировании процессов распространения контента;

– выявлена проблема с анализом контента в сети. Статистические данные содержат общий вес дуги между двумя вершинами, в который входят оценки и комментарии пользователей, однако не учитываются другие виды передаваемого контента;

– существующая дискретная модель, не учитывает иерархичность структуры сети социальных закладок, а следовательно, не определен критический для работы сервиса функционал;

– в рассматриваемой модели информационной диффузии [48, 82] не учитывается послойное распределение пользователей в иерархической структуре социальной сети. Как следствие, не учтены особенности межслойного распространения вредоносного воздействия.

Актуальность исследования обусловлена следующим:

– ростом популярности сетей социальных закладок и небрежного отношения людей к добавлению вредоносной информации в закладки, которая может быть получена при переходе по фишинговым ссылкам или от "засланных" пользователей данного сервиса [3];

– скоростью развития технологий, а, следовательно, ростом количества деструктивных воздействий на сети социальных закладок [12];

– присутствием в сетях социальных закладок огромного количества вредоносного контента;

– низкойспособностью большинства пользователей к распознаванию полезной и деструктивной информации [68];

– относительно слабой защищенностью сетей социальных закладок от разного вида атак и необходимостью обеспечения пользователей безопасностью при нахождении в данных сетях [82];

– необходимостью в создании системы, способной оценивать, управлять возникающими рисками и устранять их в рассматриваемых сервисах [48].

Дипломная работа посвящена оценке, анализу и регулированию рисков в процессе распространения вредоносного контент сети социальных закладок Twitter. В ходе ее выполнения были получены следующие основные результаты:

1. Проведен анализ контентных, структурных и функциональных особенностей социальной сети закладок Twitter.

2. Проведен поиск и анализ статистических данных сети закладок Twitter.

3. Построена математическая модель социальной сети закладок Twitter на основании модели Янсона-Лучака с характеристиками, соответствующими статистической выборке с учетом метрик для взвешенных сетей.

4. Построена информационная модель социальной сети закладок Twitter и проведено моделирование процесса распространения деструктивного контента. В процессе моделирования происходило изменение начальных условий в части внедрения деструктивного контента.

5. Выработаны рекомендации по уменьшению ущерба от распространения деструктивного контента.

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

2. 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. – № 6. – P. 412.

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

4. 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.

5. Newman, M.E.J. The structure and function of complex networks / M.E.J. Newman // SIAM Review. – 2003. – Vol. 45. – P. 167.

6. Newman, M. E. Finding and evaluating community structure in networks / M. E. J. Newman, M. Girvan // Phys. Rev. E 69. – 2004. – P. 53–58.

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

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

9. J. Cannarella and J. A. Spechler, Epidemical modeling of online social network dynamics, Department of Machanical and Aerospace Engineering, Princeton University, Princeton, NJ, USA – Р. 63–66.

10. Batagelj V., Zaversnik M. Fast algorithms for determining (generalized) core groups in social networks / V. Batagelj, M. Zaversnik // Adv. Data Anal. Classif. – Vol. 5. – P. 129–45.

11.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.

12. Navarro E. Community detection in a bipartite graph and its application to the automatic classification of web search results (Kodex System) / E. Navarro, Y. Chudy, B. Gaume // Mathematics and Computer Science Approaches, Toulouse, France. – 2010. – Р. 343.

13. Girvan M. Community structure in social and biological networks / M. Girvan, M. Newman // Proceedings of the National Academy of Sciences (PNAS). – 2002. – Vol. 99. – P. 7821–7826.

14.Jennifer Golbeck. Introduction to Social Media Investigation: A Hands-on Approach. Waltham: Elsevier Inc.– P. 323–326.

15.Alba R.A., graph-theoretic definition of a sociometric clique / Richard D. Alba / Journal of Mathematical Sociology. – 1973. – P. 113–126.

16. Carminati B. Security and Trust in Online Social Networks / B. Carminati, E. Ferrari and M. Viviani // Morgan&Claypool. – 2014. – P. 109.

17. Can F. State of the Art Applications of Social Network Analysis / F. Can., T. Ozyer, F. Polat // New York: Springer. – 2014. – P. 371.

18.Barabasi R. Albert Emergence of scaling in random networks / Albert R. Barabasi; Science. – P. 509–512.

19. Albert R. Statistical mechanics of complex R. Albert, A.L. Barabasi // Department of Physics, University of Notre Dame. – 2002. – P. 48–94.

20. Piqueira J. R. C. Epidemiological models applied to viruses in computer networks / J. R. C. Piqueira, B. F.Navarro, L. H. A. Monteiro // Journal of Computer Science. – 2005. – Vol. 1, №. 1. – P. 31–34.

21. Jalali M. Information diffusion through social networks: the case of an online petition / M. Jalali, A. Ashouri, O. Herrera-Restrepo, H. Zhang // Expert System Appl. –. – Vol. 44. – P. 187–197.

22. Fragkiskos D. Mining Social and Information Networks / D. Fragkiskos // UCSD Artificial Intelligence Seminar. –. – P. 123-145.

23. Woo J. Epidemic model for information diffusion in web forums: experiments in marketing exchange and political dialog / J. Woo, H. Chen // Springer Plus – a Springer open journal. – – P. 7–15.

24. Tang M. A dynamic microblog network and information dissemination in “@” mode / M. Tang, X. Mao, S. Yang, H. Zhou // Math ProblEng. – 2014. – P. 1–15.

25. Barabasi A. Emergence of Scaling in Random Networks / A. Barabasi, A. Reka // Science. –1999. – Vol.286. – P. 509–512.

26. Alan E. Mislove. Online Social Networks: Measurement, Analysis, and Applications to Distributed Information Systems. Texas: RICE University. – 2009.

27. Haythornthwaite C. Social networks and internet connectivity effects. Information, Communication&Society.– 2005. – P. 125-147.

28. Ball F. Epidemics with two levels of mixing / F. Ball, D. Mollison, G. Scalia-Tomba // Annals of Applied Probability. – 1997. – № 7. – P. 46-89.

29. Garcia R. Weighted content based methods for recommending connections in online social networks / R. Garcia, X. Amatriain. – 2008. – Vol. 23. – N 1.

30. Bachilo I. L. About the concept of legal support of informatization of Russia / I.L. Bachilo, G. V. Belov // World. – 1992. – 400 p.

…