Разработка методов регулирования диффузионных процессов для повышения уровня информационной защищённости сети

Объектом исследования является социальная сеть для отзывов и обзоров Tourout, оказывающаяся под воздействием вредоносного контента.

Предметом исследования является микромодель процесса распространения вредоносного контента социальной сети Tourout.

Цель исследования состоит в создании методов регулирования диффузионных процессов для повышения уровня информационной защищенности сети на основе результатов, полученных в ходе моделирования эпидемиологических процессов.

Для достижения цели необходимо решить следующие задачи:

– провести всесторонний анализ социальной сети для отзывов и обзоров Tourout, выявить ресурсы сети, схемы размещения контента, возможности пользователей сети, установить модели взаимодействия субъектов сети с объектами, с учётом структурно-функциональных особенностей, специфичных для данной конкретной сети;

– создать необходимое информационное обеспечение для моделирования эпидемических процессов, включая получение репрезентативной выборки, сокращающей размерность модели сети;

– многовариантное моделирование как распространения контента, так и информационного противоборства, включая исследование различных тематик и начальных условий заражения;

– выработать рекомендаций по регулированию рисков, шансов на основе результатов моделирования эпидемических процессов в исследуемой социальной сети Tourout.

На защиту выносятся:

- схемы, определяющие особенности архитектуры сети и протекающих в ней процессов, в том числе: структурная схема ресурсов сети, классификация объектов и субъектов сети, классификация действий авторизованных пользователей;

- метрики по исходной статистике сети для отзывов и обзоров Tourout;

- графики распространения эпидемии при различных условиях, для различных тематик, а также графики, описывающие информационную диффузию в сети для двух конкурирующих контентов, полученные при помощи специально разработанного программного обеспечения и отражающие результаты моделирования;

- методология управления информационной диффузией в сети для отзывов и обзоров Tourout с учетом её структурно-функциональных особенностей, основанная на результатах моделирования распространения контента.

Новизна результатов:

- впервые построены матрицы взвешенной центральности и матрицы удельного баланса трафика для сети Tourout;

- выбрана часть сети, сохраняющая законы распределения трафика, что позволяет моделировать процессы, протекающие в сети, с учетом логистики перемещения контента по узлам сети;

- проведено моделирование распространения информационной эпидемии в конкретной функционирующей сети, что является практически значимым для дальнейшего анализа полученных результатов и применимым для управления рисками, возникающими в сети Tourout;

- предложена методика управления информационной диффузией для конкретно функционирующей сети для отзывов и обзоров Tourout.

Практическая ценность. Результаты, выносимые на защиту, обладают следующей практической ценностью:

- схемы, определяющие и поясняющие структурно-функциональные особенности и матрицы взвешенной центральности и удельного баланса трафика в сети могут быть использованы для дальнейшего анализа процессов протекающих в сети при помощи различных математических моделей;

- результаты моделирования информационной диффузии при различных начальных параметрах служат базой для дальнейшего анализа в контексте обеспечения безопасности и разработки универсального аппарата управления информационной диффузией для всех сетей заданного типа.

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

Актуальность темы исследования. Социальные сети в наше время стали больше, чем просто средство общения с друзьями онлайн. Они изменили взгляд на то, как люди общаются в повседневной жизни. Рост социальных сетей также позволяет применять новые способы взаимодействия компаний со своими клиентами. Повседневное активное использование социальных сетей означает глобальное увеличение информации в интернете. Присутствие людей в интернете постоянно растет – информация о человеке находится на различных ресурсах и защита этой информации является очень важным элементом, чем когда-либо. Организации также должны внимательно рассмотреть, как они используют персональные данные пользователей, чтобы взаимодействовать с людьми. Социальный граф быстро становится самой важной частью любого онлайн-пользователя. Использование социального графа лежит в основе почти каждой компании. Вопрос конфиденциальности, связанный с социальными сетями является постоянно актуальным и требует особого внимания со стороны пользователя и руководства социальной сети [1, 2]

Социальные сети сегодня на волне огромной популярности, которая с каждым днем только нарастает. Популярность в свою очередь неизбежно приводит к быстрому росту. После своего появления социальные сети развивались в основном количественным путем, охватывая все больше пользователей, сегодня же социальные сети переходят в стадию качественного развития, придумывая все новые инструменты взаимодействия с пользователями и создавая узконаправленные тематики. Поэтому технологическое развитие в ближайшие несколько лет станет необходимым условием для выживания в конкурентной среде [3].

Сейчас социальные сети работают по принципу «User-Generated Content». Т.е. социальная сеть дает нужные инструменты, а люди используя их, генерируют новый контент. Модель довольно хорошо работает, однако инструментов создания профессионального контента пока мало, а пользователи в современном информационном мире хотят получать все больше разнообразного, качественного контента. Раньше социальные сети старались в основном структурировать контент пользователей, чуть позже стали создавать инструменты фильтрации качественного контента, а в ближайшем будущем стоит ожидать создание функционала нового уровня по созданию-отбору контента, а также интеграцию с контент-провайдерами. Модель сайтов, в которых смешан социальный функционал и качественный тематический контент, является очень перспективной [4, 5].

Любая социальная сеть имеет огромные возможности для персонализации своей работы под конкретного пользователя. Она может отслеживать его поведение, интересы, местоположение и на основе всей этой информации выдавать персонализированный контент любого характера. Сам принцип персонализации очень востребован, сегодня в Интернете огромное количество информации, большинство из которой бесполезно, а данный инструмент позволяет подобрать необходимую информацию именно для определенного человека, в определенный момент времени и в определенном месте [6, 7].

Социальные сети также учатся отслеживать физическое местоположение пользователей, и на основе этого предлагают им таргетированный контент. Определение местоположения человека происходит либо автоматически с помощью мобильных технологий, либо посредством информации, которую дает сам пользователь. Информация такого рода позволяет социальным сетям внедриться в повседневную жизнь человека [5, 7].

Одним из видов социальных сетей, которые в настоящее время стали незаменимым средством для поиска и обмена информацией о каком-либо виде продукта или месте пребывания стали социальные сети для отзывов и обзоров. Это связано с тем, что люди доверяют больше всего отзывам о продукте или месте пользователям социальной сети, чем рекламе в интернете [8, 9].

В результате выполнения данной выпускной квалификационной работы был проведен всесторонний анализ социальной сети для отзывов и обзоров Tourout в целях исследования методов и моделей для предотвращения распространения вредоносного контента.

В первой части данной работы была дана подробная и всесторонняя классификация контента, циркулирующего в социальной сети Tourout. В первую очередь его можно рассмотреть, как положительный – это информация, которую пользователь социальной сети ожидает увидеть в данном контексте и негативный (нежелательный) – это информация, которая может быть представлена в виде текста, изображения, видеофайла или ссылки на него, которые могут нести угрозу как информационно-психологического характера, так и угрозу реального заражения компьютера вредоносным ПО.

Были рассмотрены и подробно описаны сетевые ресурсы данной социальной сети. Они разделяются на ресурсы коллективного пользования (отзывы, интерактивная карты) и на ресурсы персонального пользования (лента пользователя).

В ходе анализа социальной сети Tourout были проклассифицированы объекты данной социальной сети и субъекты, которые с ними взаимодействуют. В результате исследования выявлено, что все субъекты с учетом проявления их активности в данной социальной сети можно разделить на активных и пассивных пользователей.

Также было установлено, что субъекты социальной сети Tourout способны обмениваться контентом между собой посредством определенного набора действий (функций). Набор действий зависит от того авторизован ли пользователь или нет.

Данным функциям пользователей была дана классификация по двум признакам: по доступности действий и функциональному назначению.

На основе вышеприведенных данных была построена структурно-функциональная модель, которая учитывает все особенности социальной сети Tourout.

После анализа и систематизации исходных статистических данных социальной сети для отзывов и обзоров Tourout, удалось построить структурно-функциональную модель, учитывающую особенности рассматриваемой социальной сети, визуализировать модель усеченной сети, получить структурированные данные описывающие распространение трафика внутри сети. Полученные матрицы можно использовать в последующих исследованиях при проведении риск-анализа социальной сети для отзывов и обзоров Tourout.

Было произведено моделирование диффузионного процесса рапространения информации для единственной разновидности контента и конкурирующих контентов. В качестве выходных данных были получены данные по количеству вершин и суммарномму значению взвешенной центральности для различных состояний. Полученные значения можно использовать далее для определения вероятного ущерба сети, создания инфструментария регулирования определенных рисков и т.д.

На основе полученных результатов моделирования, были разработаны рекомендации по регулированию рисками для социальной сети для отзывов и обзоров Tourout.

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

2 Черняк Л.М. Сервисы и теории социальных сетей / Л. М. Черняк // Открытые системы. СУБД, 2008. – № 8. – 78 с.

3 Губанов Д.А. Модели информационного влияния и информационного управления в социальных сетях / Д. А. Губанов, Д. А. Новиков А. Г. Чхартишвили // Проблемы управления в социальных медиа, 2009. – 120 с.

4 Тищенко В.И. Социальные сети и виртуальные сетевые сообщества / Л.Н. Верченов, Д.В. Ефременко, В.И. Тищенко // ИНИОН РАН – 360 с.

5 Назарчук А.В. О сетевых исследованиях в социальных науках / А.В. Назарчук. ­– МГУ им. М. В. Ломоносова – М.: Типография МГУ, 2008. – 73 с.

6 Gou L. Social Network Document Ranking / L. Gou, X. L. Zhang, H. H Chen // Proceedings of the 10th annual joint conference on Digital libraries, New York, NY, USA, 2010. – Р. 322.

7 Техническая реализация фишинг атаки.

8 Бондаренко C.B. Социальная система киберпространства / C.B. Бондаренко // Информационное общество, 2002. – Вып.1. – С. 61 – 64.

9 Freeman L.C. The Development of Social Network Analysis / L.C. Freeman // Empirical Press. – 2004. – P. 30.

10 Ostapenko A.G. Flood-attacks within the hypertext information transfer protocol: damage assessment and management / A.G. Ostapenko, M.V. Bursa, G.A. Ostapenko, D.O. Butrik // Biosciences Biotechnology Research Asia. – 2014. – Vol. 11 (Spl.End). – P. 154 – 176.

11 Ostapenko G.A. Analytical estimation of the component viability of distribution automated information data system / G.A. Ostapenko, D.G. Plotnicov, O.Y Makarov, N.M. Tikhomirov, V.G. Yurasov // World Applied Sciences Journal. – – Vol. 3. №25. – P. 405 – 420.

12 Ostapenko G.A. Analytical models of information-psychological impact of social information networks on users / G.A. Ostapenko, L.V. Parinova, V.I. Belonozhkin, I.L. Bataronov, K.V. Simonov // World Applied Sciences Journal. – – Vol. 3. №25. – P. 410 – 415.

13 Islamgulova V.V. Discreet risk-models of the process of the development of virus epidemics in non-uniform networks / V.V. Islamgulova, A.G. Ostapenko, N.M. Radko, R.K. Babadzhanov, O.A. Ostapenko // Journal of Theoretical and Applied Information Technology. –. – P. 305 – 315.

14 Ermakov S.A. Optimization of expert methods used to analyze information security risk in modern wireless networks / S.A. Ermakov, A.S. Zavorykin, N.S. Kolenbet, A.G. Ostapenko, A.O Kalashnikov // Life Science Journal. – 2014. – Vol. 10. № 11. – P. 511–514.

15 Radko N.M. Assessment of the system's EPI-resistance under conditions of information epidemic expansion‏ / N.M. Radko, A.G. Ostapenko, S.V. Mashin, O.A. Ostapenko, D.V. Gusev // Biosciences Biotechnology Research Asia. – 2014. – Vol. 11. №3. – P. 1784 – 1784.

16  Radko N.M. Peak risk assessing the process of information epidemics expansion / N.M. Radko, A.G. Ostapenko, S.V. Mashin, O.A. Ostapenko, A.S. Avdeev // Biosciences Biotechnology Research Asia. – 2014. – Vol. 3. №5. – P. 296 – 313.

17 Kalashnikov A.O. Attacks to information and technological infrastructure of crucial objects: assessment and regulation of risks: Monograph / A.O. Kalashnikov, E.V. Yermilov, O.N. Choporov, K.A. Razinkin, N.I. Barannikov; under the editorship of the Member correspondent of RAS D.A. Novikov. – Voronezh: Scientific Book publishing house. – – P. 150 – 160.

18 Golbeck J. Introduction to Social Media Investigation: A Hands-on Approach / J. Golbeck // Waltham: Elsevier Inc. – 2015. – P. 323–326.

19 Mislove A.E. Online Social Networks: Measurement, Analysis, and Applications to Distributed Information Systems / A.E. Mislove // Houston, Texas: RICE University. – 2009. – P. 340.

20 Arnaboldi V. Online Social Networks: Human Cognitive Constraints in Tourout Personal Graphs / V. Arnaboldi, A. Passarella, M. Conti, R. Dunbar // Waltham: Elsevier Inc. – 2015. – P. 36.

21 Carminati B. Security and Trust in Online Social Networks / B. Carminati, E. Ferrari, M. Viviani // Morgan&Claypool. – 2014. – P. 120.

22 Karampelas P. Techniques and Tools for Designing an Online Social Network Platform / P. Karampelas // New Hampshire: Hellenic American University. – – P. 38.

23Ren W. Consensus seeking in multiagent systems under dynamically changing interaction topologies / W. Ren, R.W. Beard // IEEE Trans. on Automatic Control. – 2005. – Vol. 50. № 5. – P. 655 – 661.

24 Ahn Y. Analysis of topological characteristics of huge onlane social networking services / Y. Ahn, S. Han, H. Knak, S. Moon, H. Jeong // 16th International Conference on the World Wide Web. – 2007. – P. 844.

25 Lauritzen S.L. Local computations with probabilities on graphical structures and their application in expert systems / S.L. Lauritzen, D.J. Spiegelhalter. // Journal Royal Stati1tical Society B. – Vol. 50. – 1988. – P. 135.

26 Бреер В.В. Стохастические модели социальных сетей / В.В. Бреер // Управление большими системами, 2009. – 204 с.

27 Абрамов К. Г. Распространение нежелательной информации в социальных сетях Интернета / К.Г. Абрамов, Ю.М. Монахов // Труды НТС. Комитет по информатизации, связи и телекоммуникациям – 128 с.

28 Абрамов К.Г. Модели распространения вредоносных программ в топологически гетерогенных социальных сетях / К.Г. Абрамов, Ю.М. Монахов // Труды НТС. Комитет по информатизации, связи и телекоммуникациям Администрации Владимирской области, 2010. – 382 с.

29 Tsvetovat M. Social Network Analysis for Startups: Finding Connections on the Social Web / M. Tsvetovat // O'Reilly. – Р. 192.

30 Sullivan T. The myth of spam volatility.

…