Разработка и совершенствование моделей поиска, выявления и распространения фейков в социальной сети для общения Facebook

Объектом исследования является социальная сеть Facebook, в которой число фейков является достаточно большим и распространение которых может иметь характер эпидемии.

Предметом исследования является модели поиска, выявления и распространения фейков в социальной сети для общения Facebook.

Цель исследования: состоит в разработке и совершенствовании моделей поиска, выявления и распространения фейков в социальной сети для общения Facebook на основе моделей SIAR, SEIRM и SEIARM, а также оценка информационных рисков распространения фейков в них.

Для достижения поставленной цели представляется необходимым решить следующие задачи.

1. Формализация описания социальной сети для общения Facebook, определение структуры, топологии и механизма функционирования сети, классификация и формализация фейков, а также особенности распространения неподтверждённой информации.

2. Разработка модели выявления фейков в социальной сети для общения Facebook с использованием сетевых, содержательный и временных функций идентификации на основе классификаторов: наивный байесовский классификатор, дерево принятия решений, машина опорных векторов.

3. Автоматизированное моделирование процессов распространения фейков на основе моделей SIAR с применением марковских процессов, SEIRM и SEIARM, а также анализ данных моделей и оценка информационных рисков в социальной сети для общения Facebook.

Новизна результатов:

1. Впервые предложена модель выявления фейка через систему рейтинга друзей и сообщения в социальной сети Facebook.

2. Разработана обобщённая модель поиска и выявления фейков в социальной сети Facebook в отличие аналогов на основе трёх классификаторов при использовании сетевых, содержательных, временных и других функций идентификации.

3. Реализовано автоматизированное моделирование процессов распространения фейков в отличие от аналогов учитывает ввод достоверной информации в сеть (модель SIAR и SEIARM), а также анализ разработанной модели в социальной сети для общения Facebook и оценка информационных рисков в ней.

Практическая ценность работы заключается в том, что:

- разработаны модели поиска и выявления фейков в Facebook, позволяющие расширить и дополнить моделирование эпидемий и соответственно представить более цельную картину функционирования социальных сетей при распространении деструктивного контента;

- разработана модель распространения фейкового контента при вводе достоверной информации, которая дополняет модель SEIRM и упрощает другие модели распространения неподтверждённой информации в сети.

- определены перспективы практического использования данных моделей для улучшения функционирования государственных информационных документов в указанной выше области, продолжены в целях усовершенствования и создания новых разработок.

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.

Актуальность темы исследования. Современное интернет-пространство сложно представить без упоминания о фейковом контенте. Данный термин носит характер интернет-сленга [1]. В документах по информационной безопасности, таких как доктрина информационной безопасности [2], федеральный закон №149 [3] и других, нет конкретного определения данного слова, а также определённо выработанной стратегии противодействия распространению фейкам. Данная проблема распространяется на все сферы информационного пространства и приобретает международный характер, вплоть до использования в информационной войне.

Так, на примере конфликта РФ с Украиной развернулась масштабная информационная война, в которой участвовали более десятка стран. В этой сетевой конфронтации главенствующую роль приняло распространение фейкового контента с одной и другой противоборствующих сторон. Здесь были подмены фотографий с соответствующим описанием: инциденты войны в Югославии были использованы в качестве описания к конфликту на Донбассе с одной стороны и информация о выдвижении танковой колонны ВС РФ с целью взятия города Запорожье с другой [4].

Несмотря на активное использование фейкового контента правительствами большинства развивающихся стран, вводятся попытки борьбы с деструктивным воздействием как на локальном уровне, так и на глобальном при создании комитетов и различных содружеств по решению данной проблемы. Так, на шестой Международной конференции по безопасности в Москве обсуждалась тема информационной агрессии и методах её решения. Здесь говорилось об использовании международно-правовых институтов, создании раздела противодействия ложным новостям на сайте МИД России, работе Департамента общественной информации в ООН и так далее [5].

Одну из главенствующих ролей, способствующих распространению фальсифицированной информации, играют социальные сети. По данным сайта, занимающегося статистикой данных социальных сетей, у трёх наиболее популярных зарубежный сетей, таких как Facebook, Twitter и Youtube, в общей сложности наблюдаются 8,134,708 активностей пользователей ежедневно, кроме этого 41,662,806,385 постов и комментариев [6]. Для интересующей нас сети Facebook характерно 1 280 миллионов активных пользователей, причём вне США 85%. Данная статистика говорит о масштабности и глобальной известности данной сети, что является привлекательным для распространения деструктивного контента, в частном случае для деятельности фейков и увеличения количества ложной информации.

Инфографика [83] предоставляет статистические данные по фейковым профилям, в соответствии с которой поддельные профили зависят от пола, количестве друзей жертвы, данных об обучении, обновления статуса и т.д.

Facebook разделил фейковые аккаунты на три группы: дублированные, ошибочные, «нежелательные» [7]. Представители социальной сети не могут сказать о количестве фейковых аккаунтов. По приблизительным расчётам их может быть больше 140 миллионов [8].

Как мы видим, задача определения фейков стоит одной из самых главных для социальных сетей, а в нашем случае для Facebook.

В качестве примера можно взять новость о поддельных российских учетных записях Facebook. Информация заключалась в том, что они купили 100 000 долларов в политических объявлениях. Большинство из 3 000 объявлений не ссылались на конкретных кандидатов, но вместо этого сосредоточились на социальных проблемах, таких как раса, права геев, контроль над оружием и иммиграция, согласно сообщению, на Facebook от Alex Stamos, главного сотрудника службы безопасности компании.

В Facebook администрация занимается проблемой фейковых аккаунтов и новостей не в достаточной мере эффективно. Более того, многие из официальных представителей говорят о малом количестве данного контента в сети [10]. Однако, в Facebook создаётся ряд групп, противодействующих и раскрывающих фейковые новости и аккаунты. Так, например, была разоблачена новость «Агент ФБР, подозреваемый в утечке электронной почты Хиллари, был найден мертвым в явном убийстве-самоубийстве», которая была опубликована надёжным источником [11]. Фейковыми новостями было и про поддержку Папой Римским Дональда Трампа, и про свадьбу с несовершеннолетними в Германии [12].

Из данных примеров следует, что фейковый контент нацелен на большую часть пользователей. В случае воздействия на конкретного пользователя, происходит атака типа социальная инженерия, благодаря которой происходит доверительный процесс в сторону злоумышленника, в следствие чего могут сообщаться персональные данные, секретная информация, либо производиться ряд нежелательных действий [13].

Из вышеизложенного следует, что необходимо создать и усовершенствовать модель оценки информационных рисков распространения фейков в социальных сетях. Необходимо не только разработать предложения по технологическому решению данного вопроса.

Таким образом, актуальность исследования обусловлена следующими обстоятельствами.

1. Популяризация и глобализация социальный сетей и рост фейкового контента в качестве фальсифицированных новостей, ложных аккаутнов, поддельных фотографий и так далее.

2. Увеличение числа пользователей и новостных групп, что является удобным плацдармом для инициализации фейковой информации и её скрытого присутствия в сети.

3. Доверчивость пользователей к большинству новостных лент и известным, внушающим уверенность, аккаунтам.

4. Практическая незащищённость социальных сетей от фейкового контента различных видов.

5. Необходимость в создании методологии определения ложной информации в соцсетях, позволяющей управлять информационными рисками и их предотвращении.

Из вышеизложенного следует, что для социальных сетей с фейковым контентом необходимо создание систематического подхода с разработкой модели поиска и выявления фейков для управления информационными рисками на основе вероятностного ущерба при возможной реализации разных угроз с целью обеспечения локальной и групповой безопасности пользователей.

Изучение работ по данной тематике выявила следующий набор имеющихся противоречий между:

1. потребностью в обосновании процессов выявления, распространения и предотвращения фейков в социальной сети Facebook и их внедрения в качестве одной комплексной работы [52].

2. потребностью в модели обнаружения фейков в социальной сети Facebook на основе классификаторов и готовностью науки предоставить данные для эффективного их использования [52].

3. значимостью внедрения модели распространения фейкового контента в социальной сети для общения Facebook и использованием достоверной информации в данной модели [92-96].

В проделанной работе были решены следующие задачи.

1) Была исследована формализация социальной сети для общения Facebook, описана её структура и архитектура, особенности взаимодействия с пользователями. Была предложена и рассмотрена подробная классификация фейков и их формализация. Также предложен метод регистрации фейков через архитектуру общения в сети.

2) Разработана модель обнаружения фейков в социальной сети для общения Facebook с использованием сетевых, содержательных (на основе контента) и временных функций идентификации на основе классификаторов: наивный байесовский классификатор, дерево принятия решений, машина опорных векторов.

3) Была предложена аналитическая модель дезинформации узла социальной сети Facebook, а также модели распространения фейкового контента на основе таких эпидемических структур, как SIAR и SEIRM. Предложен метод распространения фейков на основе внедрения авторитетной информации в сеть (SEIARM). Был произведён анализ модели SIAR с использованием уравнений среднего поля и применением марковских процессов. Также были сформированы результаты моделирования на конкретном примере с построением графов моделирования эпидемии на разных этапах и оценкой информационных рисков распространения фейкового контента при использовании моделей SEIRM и SEIARM.

В ходе проделанной работы была достигнута поставленная цель: разработаны и совершенствованы модели поиска, определения и распространения фейков в социальной сети для общения Facebook на основе моделей SIAR, SEIRM и SEIARM на основе ввода авторитетной информации, а также оценены информационные риски распространения фейков в них.

Перспективные направления развития. Как уже было упомянуто, в работе были рассмотрены модели SIAR, SEIRM и SEIARM с вводом в сеть авторитетной информации, а также модель обнаружения фейка, однако, из существующих программных обеспечений реализована лишь вторая модель (SEIRM). Несмотря на функционирование второй модели, в имеющихся программных обеспечениях не учтена топология сети Facebook и наличие функций (атрибутов) распространения фейков. Данная работа может послужить основой для реализации программного продукта при совокупном использовании исследуемых характеристик фейков моделей SEIRM и SEIARM, как двухэтапную систему распространения поддельной информации.

Разработанные программные обеспечения в сфере моделирования эпидемий рассматривают распространения деструктивный контент, не принимаю во внимание особенности фейковой информации в сети, а также наличие авторитетной информации. Данная работа может быть использована для совершенствования программных продуктов, с целью наиболее точного и реального описания распространения вирусного контента на примере социальной сети для общения Facebook. Так, исследования в программном обеспечении [100], которое использует модель SIERM, можно заменить дополненной моделью SEIARM. Процессы распространения второй модели будут более точно описывать заражение фейками в сети. Полученные результаты могут послужить источником для управления информационными рисками в социальных сетях.

Указанные перспективы указывают на актуальное и необходимое изучение тематики распространения фейкового контента. В социальных сетях такая проблема стоит на одном из самых главных мест. В настоящее время наибольшее внимание следует уделить вопросу передачи фейкового контента в виде новостных данных, рекламной информации, петииций и т.д. Будущие разработки, продолжая данную тему, помогут в описании распространения информации разных видов в социальной сети, ложной и истинной, и послужат базисом для формирования методов ограничения деструктивного контента, в частности его ликвидации. Следовательно, будущие разработки могут состоять в формировании модели ограничения и предотвращения распространения поддельного контента в социальных сетях на основе предложенных систем.

1 Social Network Analysis: A Handbook (2nd edition). Thousand Oaks, CA: Sage Publications. / Scott, John P. 

2 Доктрина информационной безопасности Российской Федерации (утв. Указом Президента Российской Федерации №646.

3 Федеральный закон «Об информации, информационных технологиях и о защите информации» - Российская газета – 40 с.

4 Фейк в формате современной сетевой информационной войны.

5 Официальный представитель МИД М.В.Захарова: о противодействии информационной агрессии войны.

6 Free Social Media Statistics.

7 83 million Facebook accounts are fakes and dupes.

8 Facebook has no idea how many fake accounts it has — but it could be nearly 140M dupes - Электрон. дан.

9 Fake Russian Facebook Accounts Bought $100,000 in Political Ads.

10 Facebook's CEO says the social network is taking measures to prevent the spread of misinformation but he and his colleagues do not want to be 'arbiters of truth' - Электрон. дан.

11 FBI Agent Suspected in Hillary Email Leaks Found Dead.

12 Here Are Some Of Those Fake News Stories That Mark Zuckerberg Isn’t Worried About - Электрон. дан.

13 Социальная инженерия, или Как «взломать» человека.

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

15 The Impact of Social Media on Society.

16 Mark W. Becker, Reem Alzahabi, and Christopher J. Hopwood. Cyberpsychology, Behavior, and Social Networking.

17 Fake news. It’s complicated.

18 False, Misleading, Clickbait-y, and/or Satirical “News” Sources / Melissa Zimdars  – P. 34.

19 Social Network Engineering for SecureWeb Data and Services.

20 Misinformation on social media: Can technology save us?.

21 Social Media and Fake News in the Election / Journal of Economic Perspectives—Volume 31, Number 2—Spring - 211–236.

22 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. – Р. 66.

23 Упрвление информационными рисками и обеспечение безопасности инфокоммуникационных систем: Сб. науч. Тр.; под ред. В.И. Борисова. Вып. 1(11) – Воронеж: Издательство «Научная книга». 92 с.

24 Программный комплекс моделирования эпидемических процессов в социальных сетях / А.Г. Остапенко, Е.А. Шварцкопф, Е.В. Гузев, Д.А. Савинов, Д.В. Гузев // Информация и безопасность. – Т. 20. Вып. 2. – С. 39–49.

25 Регулирование рисков распространения деструктивного контента в сетях для общения/ А.В. Паринов, К.В. Зайцев, С.А. Ермолаев, Т.И. Дубинская, А.А. Остапенко, Р.К. Бабаджанов, С.С. Тихонова// Информация и безопасность. – Т. 20. Вып. 2. – С. 185–201.

26 Социальные сети по интересам: анализ процессов распространения деструктивного контента/ А.В. Паринов, А.А. Остапенко, Р.К. Бабаджанов, С.С. Тихонова, Е.А. Шварцкопф, Д.С. Сорокин, С.А. Щеглов, М.А. Тарелкин // Информация и безопасность. – Т. 20. Вып. 2. – С. 201–217.

27 Social network - Электрон. дан.

28 Social media definition and the governance challenge: An introduction to the special issue / O, Jonathan, S. Wildman, Telecommunications policy. Vol. 39, 9. P. 745-750.

…

Представленный выше пример готовой работы бесплатно позволяет ознакомиться с ключевыми аспектами написания курсовых, дипломных работ и ВКР, а также магистерских диссертаций. Стоимость и возможность получения доступа к полной версии данной готовой работы по запросу:

- Онлайн-ответ "Узнать стоимость готовой работы"

- Мессенджеры WhatsApp, Telegram