Создание методов регулирования диффузионных процессов для повышения уровня информационной защищенности сети Google Plus

Объектом исследования является социальная сеть для общения Google Plus, оказывающаяся под воздействием вредоносного контента.

Предметом исследования является микромодель процесса распространения вредоносного контента социальной сети для общения Google Plus.

Цель исследования состоит в создании методологии регулирования диффузионных процессов для повышения уровня информационной защищенности социальной сети для общения Google Plus, на основе результатов, полученных в ходе моделирования эпидемиологических процессов.

Для достижения цели необходимо решить следующие задачи:

1) проведение всестороннего анализа социальной сети для общения Google Plus, выявление ресурсов сети, схем размещения циркулирующего контента, возможности пользователей сети, установка модели взаимодействия субъектов сети с объектами, специфичными для исследуемой сети;

2) создать необходимое информационное обеспечение для моделирования эпидемических процессов, включая получение репрезентативной выборки, сокращающей размерность социальной сети;

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

4) выработать рекомендации по регулированию рисков, шансов на основе результатов моделирования эпидемических процессов в исследуемой социальной сети для общения Google Plus.

Результаты, выносимые на защиту. После выполнения установленных задач на защиту будут вынесены следующие результаты:

1) схемы, определяющие особенности архитектуры сети и протекающих в ней процессов в том числе: структурно – функциональная схема ресурсов сети, классификация объектов и субъектов сети, схемы действий и возможностей;

2) метрики по исходной статистике сети для общения Google Plus;

3) 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;

4) методология управления информационной диффузией в сети для общения Google Plus в контексте её структурно-функциональных особенностей, основанная на результатах моделирования распространения эпидемии.

Новизна результатов:

1) впервые построены матрицы взвешенной центральности и матрицы удельного баланса трафика для исследуемой сети Google Plus;

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

3) 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 Google Plus;

4) предложена методика управления информационной диффузией для конкретно функционирующей сети для общения Google Plus.

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

1) схемы, определяющие и поясняющие структурно – функциональные особенности, совместно с матрицами взвешенной центральности и удельного баланса трафика в сети могут быть использованы для дальнейшего анализа процессов протекающих в сети при помощи различных математических моделей;

2) результаты моделирования информационной диффузии при различных начальных параметрах служат базой для дальнейшего анализ 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. В современном мире основной тенденцией является массовый перенос своих персональных данных в глобальную сеть посредством социальных сетей разного типа. Это говорит о доступности личной информации о конкретном пользователе или группе пользователей, что делает часть информационных управляющих воздействий легкими в реализации [1-5].

По своей сути социальные сети являются графами больших размеров, и информация, обладающая определенными свойствами, может приобрести эпидемический характер [6-10].

В области информационной безопасности методы управления рисками, эпистойкостью и прогнозирование деструктивного вредоносного контента в социальных сетях для общения являются новыми и представляют интерес для исследований [11, 12].

Социальные информационные сети (СИС) для общения следует поделить на некоторые категории, такие как: сети для общения, микроблоги, отзывы и обзоры и сети для фото и видео обмена. Которые имеют свое применение и функции:

Сети для общения – позволяют использовать веб – приложения для неформального общения между пользователями сети, а также обмена интересами и поиска новых знакомств [16, 17].

В социальных сетях для общения, прогрессирует распространение деструктивного контента, такого как: ложные ссылки на сервисы мошенников, текстовые контенты, фишинг, ненормативная лексика, а также наиболее важный, вброс контента сомнительного содержания, который направлен на дестабилизацию сознания пользователя, который подвергается информационно – психологическому воздействию по средству ложной информации, данный тип вредоносного контента в некоторых случаях приводит к необратимым последствиям [18, 19].

Сети для общения, такие как Facebook, Google Plus, Vkontakte возможно описать в виде неоднородных взвешенных графов больших размеров, в свою очередь информация, которая находится в вершинах графа, его ребрах и узлах, имеет возможность приобрести эпидемический характер. Есть мнение, что распространение деструктивного вредоносного контента в неоднородных взвешенных сетях для общения невозможно спрогнозировать. Одним из подходов такого прогнозирования является предсказание роста отдельных взвешенных графов [20].

Существует масса научных работ, исследующих процессы, протекающие в социальных сетях для общения, в том числе существую работы исследующие распространение информационных эпидемий в сетях данного класса [22]. Многообразие социальных сетей для общения не позволяет перенести результаты работы на конкретные существующие сети. Исследование обобщенных процессов является более теоритическим, что вызывает сомнения в их применимости на практике для расчета показателей распространения эпидемий. В данной работе предлагается рассмотрение процессов информационного заражения социальных сетей для общения, в частности сети Google Plus [21-23].

Данная работа ставит задачи глубокого анализа социальной сети для общения Google Plus, а также подготовку на основе проведенного исследования сети базы материалов для создания моделей инфицирования сети и разработки эффективных методик повышения защищенности.

На основе приведенных выше высказываний, допустимо сказать, что актуальность темы исследования обусловлена следующими проблемами:

– необходимостью создания систем рекомендаций по управлению рисками;

– созданием рекомендаций, по противодействию возникающим диффузионным процессам контента;

– необходимостью обеспечения безопасности пользователям социальных сетей;

– высокая степень доверия пользователей информации, размещенной в социальной сети;

– активным использованием социальных сетей пользователями;

– высокая степень доверия информации, размещенной в социальной сети.

В результате выполнения выпускной квалификационной работы были получены следующие результаты.

В первой главе работы был дан понятийный аппарат для социальной сети. Также проведена подробная и всесторонняя классификация контента, циркулирующего в социальной сети для общения Google Plus. Его можно рассмотреть, как положительный и негативный (нежелательный). Контент может быть представлен в виде текста, изображения, видеофайла или ссылки на какой – либо источник, которые являются угрозой как информационно – психологического воздействия, так и реальным заражением компьютера вредоносным программным обеспечением, в следствии чего нарушается конфиденциальность информации.

Был проведен анализ и подробно описаны сетевые ресурсы данной социальной сети для общения. Их можно классифицировать как ресурсы коллективного использования, так и ресурсы персонального использования.

Проведена классификация объектов и субъектов данной социальной сети для общения. Выяснено, что все субъекты с учетом проявления их активности следует разделить на активных и пассивных пользователей сети.

С учетом полученных классификаций контента, субъектов и их действий, а также сетевых ресурсов данной социальной сети для общения Google Plus построена структурно – функциональная схема с учетом ее особенностей. Данная схема представляет собой сложную структуру взаимодействия контента, сетевых ресурсов и субъектов, функционирующих в заданном сетевом пространстве.

Во второй главе работы был выполнен алгоритм преобразования исходных данных сети для нахождения репрезентативной выборки, получена визуальная модель исследуемой социальной сети, а также вычислены соответствующие матрицы, позволяющие провести анализ распространения контента в социальной сети. Доказана репрезентативность выборки генеральной совокупности с помощью критерия Пирсона, найдено среднеквадратическое отклонение выборки в 5% от генеральной совокупности, показано подобие выборки математическим и графическим методом.

Помимо этого, были получены, звездная матрица для сети Google Plus на основе собранной статистики в виде трехместного предиката и отражающие взаимосвязи между узлами. Матрица взвешенной центральности и удельного баланса для исследуемой сети. Микромодель распространения вредоносного контента, циркулирующего в сетях для общения.

В третьей главе получены результаты моделирования диффузионного процесса социальной сети для общения Google Plus в трех различных слоях. Для социальной сети были получены усреднённые графики диффузионного процесса для различных тематик, графики трафика в узлах различных состояний, таких как восприимчивый, инфицированный, защищенный, удаленный и латентный.

В четвертой главе работы, разработаны рекомендации по регулированию диффузионным процессом и рекомендации по уменьшению деструктивного воздействия в социальной сети для общения Google Plus.

Полученные результаты являются значимыми для создания научно – методического обеспечения в целях предотвращения распространения вредоносного контента как в социальных сетях для общения, так и подобных.

1 Bothorel C. Social network analysis and unpopular content recommendation / C. Bothorel // Review of New Information Technologies (RNIT). – Vol. 5. – Р. 49.

2 Bouadjenek M.R. A social web search engine / M.R. Bouadjenek, H. Hacid // WW Panel CNRS. – Р. 153.

3  Bouadjenek M.R. New Social approach for expansion query in web 2.0 / M.R. Bouadjenek, H. Hacid, M. Bouzeghoub // CORIA. – Р. 148.

4 Brin S. N. The anatomy of a large-scale hypertextual Web search engine / S. Brin, L. Page / Compllt. Netw. – 1998. – P. 117.

5 Caldarelli G. Structure of cycles and local ordering in complex networks / G. Caldarelli, R. Pastor-Satorras, A. Vespignani // Eur, Phys. – 2004. – P. 286.

6 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.

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

8 Casella G. Hypothesis Testing / G. Casella, Roger L. Berger // Statistical Inference, Pacific Grove, CA: Duxbury. – 2002. – P. 660.

9 Ben Jabeur L. A social model for Literature Access: Towards a weighted social network of authors / L. Ben Jabeur, L. Tamine, M. Boughanem // CORIA, University Publication Center. – 2010. – Р. 451.

10 Benzi M. Ranking Hubs and Authorities Using Matrix Functions / M. Benzi, E. Estrada, C. Klymko // CS Technical Report TR. – P. 30.

11 Berberich K. Time-aware authority ranking / K. Berberich, M. Vazirgiannis, G. Weikum. - Int. Math. – Vol. 2. №3. – 2005. – P. 332.

12 Biggio B. Evade Hard Multiple Classifier Systems / B. Biggio, G. Fumera, F. Roli. // Heidelberg. – 2008. – P. 38.

13 Borodin A. Finding authorities and hubs from link structures on the World Wide Web / A. Borodin, M. Roberts, P. Tsaparas / Proceedillgs of the 10th International World Wide Web Conference. – 2001. – P. 429.

14 Anthonisse J.M. The rush in a directed graph / J.M. Anthonisse // Technical Report BN. – Vol. 9. №71. – 1971 – P. 194.

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

16 Barabasi A.L. Network medicine: a network-based approach to human disease / A.L. Barabasi // Nat. Rev. Genet. – Р. 68.

17 Barabasi R.A. Emergence of scaling in random networks / R.A. Barabasi // Science. – P. 512.

18 Bar-Yossef Z. Local approximation of PageRank and Reverse PageRank / Z. Bar-Yossef, L.T. Mashiach / Proceedings CKIM. – 2008. – P. 38.

19 Bauckhage C. Maximum Entropy Models of Shortest Path and Outbreak Distributions in Networks / C. Bauckhage, K. Kersting, F.Hadiji // TU Dortmund University, Dortmund, Germany. – 2015. – Р. 234.

20 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. 

21 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.

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

23 Albert R. Statistical mechanics of complex networks / R. Albert, A.L. Barabasi // Rev. Mod. Phys. – 2002. – P. 154.

24 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.

25 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.

26 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.

27 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.

28 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.

29 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.

30 Dorogovtsev S.N. Evolution of Networks: From Biological Networks to the Internet and WWW / S.N. Dorogovtsev, J.F.F. Mendes // Oxford University Press. – 2003. – P. 280.

…