Создание методов регулирования диффузионных процессов для повышения уровня информационной защищенности сети ВКонтакте

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

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

Цель исследования состоит в создании методологии 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 общения ВКонтакте, выявление ресурсов сети, схем размещения циркулирующего контента, возможности пользователей сети, установить модели взаимодействия субъектов сети с объектами, с учетом структурно-функциональных особенностей, специфичных для исследуемой 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 ВКонтакте.

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

− схемы, определяющие особенности архитектуры сети и протекающих в ней процессов в том числе: структурная схемы ресурсов сети, классификация объектов и субъектов сети, схемы действий и возможностей;

− метрики по исходные статистики сети для общения ВКонтакте;

− 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 общения ВКонтакте в контексте её структурно-функциональных особенностей, основанная на результатах моделирования распространения эпидемии.

Новизна результатов:

− Впервые выбрана часть сети ВКонтакте, сохраняющая законы распределения трафика с заданной погрешностью 5%, позволяющая моделировать процессы, протекающие в сети, с учетом логистики перемещения контента по узлам сети;

− В отличие от аналогов, проведено дискретное моделирование распространения информационной эпидемии в конкретной функционирующей сети ВКонтакте, что является практически значимым для дальнейшего анализа полученных результатов и применимым для управления рисками, возникающими в сети ВКонтакте;

− Впервые предложена методика регулирования информационной диффузией для конкретной функционирующей сети для общения ВКонтакте.

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

− 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;

− 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 настоящее время наблюдается тенденция занесения своих персональных данных в глобальную сеть, посредством создания профилей и личных страниц в социальных сетях разного типа. В связи с этим доступность к личной информации того или иного пользователя является более упрощенной. Таким образом, повышается вероятность получения злоумышленниками персональных данных пользователей, которые в дальнейшем могут быть использованы в корыстных целях [8, 11, 12].

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

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.

В настоящее время фаворитами популярности среди социальных сетей, являются социальные сети для общения, так как их огромное количество, и они находят применение по всему миру. Часто посещаемые из них – это ВКонтакте, Google Plus и Facebook. Данная тема исследования в наше время является наиболее актуальной в связи с прогрессирующим ростом числа активных пользователей социальных сетей, что неизбежно влечет увеличение объема циркулирующего в сети деструктивного контента, направленного на нарушение целостности, доступности и конфиденциальности информации [29].

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.

Функция: - позволяет пользователям напрямую соединяться друг с другом по средству сообществ, сети и местоположению.

Пример: Facebook, Google Plus, ВКонтакте.

Увеличивается распространение деструктивного контента в социальных сетях для общения, 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 [8, 11].

Сети для общения, такие как Facebook, Google Plus, ВКонтакте могут быть описаны в виде неоднородных взвешенных графов больших размеров, в свою очередь информация, которая находится в вершинах графа, его ребрах и узлах, способна приобретать эпидемический характер. Есть мнение, что распространение деструктивного вредоносного контента в неоднородных взвешенных сетях для общения сложно спрогнозировать. Одним из подходов такого прогнозирования является предсказание роста отдельных взвешенных графов.

Существует масса научных работ, исследующих процессы, протекающие в социальных сетях для общения, в том числе существуют работы, исследующие распространение информационных эпидемий в сетях данного класса. 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 ВКонтакте.

Данная работа ставит задачи детального анализа социальной сети для общения ВКонтакте, 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 регулированию 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 ростом пользователей социальной сети ВКонтакте;

– высокая степень доверия информации, размещенной в социальной сети.

Таким образом, в данной области исследования существует необходимость создания научно – методического обеспечения, позволяющего решать проблемы управления рисками в исследуемой социальной сети ВКонтакте, на основе статистических данных.

В результате выполнения выпускной квалификационной работы был проведен всесторонний анализ социальной сети для общения ВКонтакте 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 ВКонтакте. 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 (новостная лента, сообщество) и на ресурсы персонального пользования (профиль пользователя).

В ходе анализа социальной сети ВКонтакте 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 ВКонтакте 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.

В ходе работы после анализа и систематизации исходных статистических данных социальной сети для общения ВКонтакте, 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 общения ВКонтакте.

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 инструментария регулирования определенных рисков и т.д.

На основе полученных результатов моделирования, были разработаны рекомендации по регулированию рисками для социальной сети для общения ВКонтакте.

1. Группа LIVE. Всё о социальной сети ВКонтакте. – Электрон. Дан.

2. Блог социальной сети ВКонтакте. – Электрон. Дан.

3. Статистические данные посещения социальной сети. – Электрон. Дан.

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

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

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

7. Flake G. Self-organization and identification of Web communities / G. Flake, S.R. Lawrence, C.L. Giles, F.M. Coetzee / IEEE Computer. – 2002. – № 35. – P. 471.

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

9. Newman M.E. The Physics of Networks / Physical Today. – 2008. – P. 23 – 37.

10.  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.

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

12.  Губанов Д.А. Социальные сети: модели информационного влияния, управления и противоборства / Д.А. Губанов, Д.А. Новиков, А.Г. Чхаратишвили; под ред. чл.-корр. РАН Д.А. Новикова. – М.: Издательство физико-математической литературы, 2010. – 288 с.

13.  Sullivan T. The myth of spam volatility – Electron. It is given.

14.  Социальные сети как инструмент террористов. – Электрон. Дан.

15.  Использование интернета в террористических целях / Организация Объединенных Наций. Нью-Йорк – 160с.

16. Статистические данные социальной сети ВКонтакте. – Электрон. Дан.

17. 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.

18.  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.

19.  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.

20.  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.

21.  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.

22.  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.

23.  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.

24.  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.

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

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

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

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

29.  Карта социальных медиа от Фредерика Каваццы. – Электрон. Дан.

30.  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. 

…