Корзина (0)
Ваша корзина пустует и скучает ;)

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

ID номер GCC047
Вид Материалы к дипломной работе Специалиста
Написана в 2019
Наполнение 98 страниц, 35 рисунков, 18 таблиц, 63 источника

Содержание

Задание на выпускную квалификационную работу 2
Реферат 4
Термины и определения 7
Введение 13
1 Сети социальных закладок Twitter 20
1.1 Социальная сеть Twitter 20
1.2 Структурно функциональные особенности сети Twitter 24
1.3 Сети социальных закладок 29
1.4 Сети социальных закладок и инфицирование их пользователей 31
1.5 Безмасштабные сети 38
1.6 Интерпретации моделей безмасштабных сетей 41
1.6.1 Модель Барабаши-Альберт 41
1.6.2 Модель Боллобаша-Риордана. Динамическая модификация 42
1.6.3 Модель Янсона – Лучака 45
1.7 Выводы по первой главе 46
2 Анализ и построение модели неоднородной компьютерной сети. Оценка ущерба для сети 47
2.1 Исследование иерархической модели безмасштабной сети 47
2.1.1 Анализ интерпретации безмасштабной сети 48
2.1.1.1 Проблема рюкзака 50
2.1.1.2 Решение задачи рюкзака 50
2.1.2 Алгоритм разделения вершин по выбранным группам 50
2.2 Пример построения иерархической моделисоциальной сети 52
2.3 Анализ статистики сети социальных закладок Twitter 54
2.4 Задание функции ущерба в сети социальных закладок Twitter 61
2.5 Репрезентативная выборка в сети социальных закладок Twitter 65
2.6 Расчет риска для веерно-расходящейся модели информационной эпидемии в сети социальных закладок Twitter 72
2.7 Выводы по второй главе 76
3 Моделирование процесса диффузии контента в репрезентативной выборке в сети социальных закладок Twitter 77
3.1 Влияния тематик контента на процесс распространения вредоносного воздействия в сети социальных закладок Twitter 77
3.2 Моделирование процесса диффузии для двух типовконтента 84
3.3 Рекомендации по регулированию процесса информационной диффузии в сети социальных закладок Twitter 87
3.4 Выводы по третьей главе 90
Заключение 92
Список литературы 93

Аннотация

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.

Введение

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].

Заключение

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.

Список
литературы

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. – 2012. – № 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, 2014. – 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. – 2012. – 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., 2015.– 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. – 2012. – 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. – 2016. – Vol. 44. – P. 187–197.

22. Fragkiskos D. Mining Social and Information Networks / D. Fragkiskos // UCSD Artificial Intelligence Seminar. – 2016. – 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. – 2016 – 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.


Скачать работу на данную тему

Зачем покупать готовое программное обеспечение?

Готовое программное обеспечение (ПО) можно использовать в качестве основополагающего направления для выполнения собственных курсовых, дипломных или магистерских работ
При этом на протяжении учебного семестра/полугодия каждое ПО реализуется единственный раз одному клиенту во избежание проблем и повторений при сдаче

Как узнать точную цену готового ПО

Купить готовое ПО можно от 3.000 руб. Возможность продажи, точная стоимость конкретного ПО 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)