Введение к работе
Актуальность темы исследования. Глобальное информационное пространство сегодня уже нельзя себе представить без социальных сетей. В настоящее время в них погружено более двух третей мирового информационного трафика, около десятой части которого, относится к сетям социальных закладок, где только в российском сегменте ежемесячно генерируется свыше миллиона твитов.
Однако наряду с перечисленными возможностями пользователям социальных информационных сетей пришлось столкнуться с контентом, побуждающим к деструктивным действиям и являющимся значимой угрозой для социума. Негативным примером тому могут служить многочисленные «цветные революции» и другие акции протеста политике действующей власти.
Неслучайно социальные сети вызывают огромный научный и практический интерес исследователей, особенно в части изучения эпидемических процессов распространения деструктивного контента (ДК) в различных видах соцсетей в соответствии с основным функционалом. Сравнительно недавно это множество пополнилось классом сетей с интеграцией сервисов социальных закладок, где самым масштабным представителем, безусловно, следует считать сеть Twitter, пользующуюся межконтинентальной популярностью не только у рядовых жителей планеты, но и у политиков мирового масштаба . Twitter стал ведущей площадкой для ведения дискуссий в реальном времени. Короткие информационные сообщения (твиты), сопровождаемые зачастую вложениями, в той или иной степени позволяют формировать и продвигать идеи, взгляды, товары и услуги, а также – способствовать доставке контента пользователю даже с опережением официальных СМИ.
Вместе с тем, инструментарий для исследования этого яркого представителя класса сетей социальных закладок по своим возможностям пока оставляет желать много лучшего и прежде всего, в вопросах распространения, восприятия и выявления (при мониторинге) деструктивных твитов. При этом, деструктивная направленность подобного контента связана с дестабилизацией внутриполитической и социальной ситуаций, подрывом суверенитета и нарушением территориальной целостности страны, нагнетанием национальной напряженности, разжиганием этнической и религиозной ненависти или вражды, пропагандой экстремистской идеологии, привлечением к террористической деятельности новых сторонников, размыванием традиционных духовно-нравственных ценностей. Неслучайно важность задачи противодействия пропаганде в информационном пространстве радикальных идей, оправдания терроризма и экстремизма, а также необходимость решительно пресекать попытки размещения материалов, угрожающих безопасности нашего государства, общества в целом и отдельных граждан, подчеркивал Президент Российской Федерации В.В. Путин (заседание Совета Безопасности РФ от 26.10.17).
На несовершенства вышеупомянутого инструментария указывают также следующие противоречия между:
реальной необходимостью всестороннего анализа процессов, протекающих в мегасети социальных закладок Twitter, и ее топологической мультираз-мерностью, существенно сокращающей возможности моделирования;
безмасшабностью сетей социальных закладок, имеющих многослойную структуру, и отсутствием моделей, способных практически учитывать вышеуказанное свойство в контексте микро (на уровне отдельного пользователя) и макро (в масштабе многослойного их взаимодействия в сети) риск-моделирования процессов распространения деструктивных твитов;
насущная необходимость оценки восприятия пользователями деструктивных твитов, явилась причиной разработки соответствующих моделей, способных измерять интегральные и дифференциальные риски реакции субъектов сетей социальных закладок на вредоносные контенты, включая методики их выявления в ходе мониторинга и особенности регионального Интернет-пространства.
В этой связи, актуальность темы исследования определяется необходимостью поиска новых научно-методических подходов и создания риск моделей восприятия, распространения и выявления деструктивного контента в сетях социальных закладок, и прежде всего, в мегасети Twitter, в том числе с учетом ее регионального сегмента.
Степень разработанности темы исследования. Попытка описания эпидемических процессов предпринималась во многих научных работах. Объектом исследования на ранних этапах выступали биологические системы и сравнительно недавно такой анализ стали осуществлять для сетевых информационных структур, где его основой служат аналоговые дифференциальные уравнения. Однако дискретность состояний инфицируемых элементов сети, а также многие другие особенности эпидемических процессов потребовали применения дискретных моделей. Здесь открылись широкие перспективы для моделирования сетевых эпидемий. Также возникла необходимость в разработке предметно-ориентированного подхода по формализации моделей диффузии контента в различных социальных сетях, с учетом их функциональной и организационной специфики.
Для одного из таких классов (сети социальных закладок) выполнена настоящая работа, развивающая методологию сетевого риск-анализа процессов распространения, восприятия и выявления деструктивного контента, как важнейшего возбудителя информационных эпидемий в социальных сетях.
Научно-техническая задача состоит в разработке методов и средств противодействия угрозам нарушения информационной безопасности, обусловленных влиянием вредоносного контента в сетях социальных закладок, на основе развития и практического использования моделей, позволяющих оценивать риски распространения и восприятия деструктивных твитов, на базе исследования соцсети Twitter.
Диссертационная работа выполнена в соответствии с одним из основных направлений ФГБОУ ВО «Воронежский государственный технический университет» «Управление информационными рисками и обеспечение безопасности электронных технологий» на базе Воронежского научно-образовательного центра управления информационными рисками.
Объектом исследования является самый масштабный представитель сетей социальных закладок Twitter, где происходит массовое распространение деструктивного контента (твитов).
Предметом исследования является риск-анализ процессов выявления, восприятия и распространения деструктивного твита в информационной инфраструктуре сети Twitter, включая региональное Интернет-пространство.
Целью исследования является развитие методологии противодействия угрозам нарушения информационной безопасности применительно к атакуемым сетям социальных закладок путем создания и внедрения риск-моделей процессов распространения, восприятия и выявления деструктивных твитов.
Для достижения вышеуказанной цели необходимо решить следующие задачи:
-
Формирование подмножества структурных данных сети социальных закладок Twitter посредством репрезентативной выборки, значительно сокращающей вычислительные затраты на ее моделирование.
-
Построение риск-моделей процессов распространения деструктивных твитов для сетей социальных закладок, учитывающих их гетерогенную структуру и дискретность состояний пользователя при восприятии вредоносной информации.
-
Разработка методики выявления деструктивных твитов в ходе мониторинга сетей социальных закладок, а также построение моделей для измерения и регулирования дифференциальных и интегральных рисков восприятия этих твитов пользователями сети.
На защиту выносятся:
-
Подход по формированию репрезентативной (по объему контролируемого трафика) выборки данных из сети Twitter, необходимый для эффективного риск-моделирования процессов распространения деструктивных твитов.
-
Риск-модели межслойной диффузии деструктивных твитов, включая аналитические выражения для оценки вероятных ущербов, и микро-фрактал вредоносного воздействия твита на пользователя сети Twitter, которые позволили осуществить имитационное компьютерное моделирование эпидемических процессов распространения деструктивных твитов и предложить рекомендации по регулированию этих рисков.
-
Методика выявления деструктивных твитов, позволяющая автоматизировать данную процедуру, а также модели для оценки рисков восприятия пользователем таких твитов, необходимые для мониторинга (в том числе регионального) информационного пространства.
Новизна результатов работы:
-
Принципиальным отличием предложенного в работе подхода по формированию репрезентативной выборки является то, что при потере всего 5% объема трафика, она в сравнении с аналогичной топологией сети Twitter, имеющейся в открытом доступе, обеспечивает размерность графа (количество вершин) на несколько порядков меньшую и практически пригодна по вычислительным затратам моделирования.
-
В отличие от аналогов предложенные в работе риск-модели учитывают многослойность сети социальных закладок и особенности межсетевой диффузии деструктивных твитов.
-
Методика выявления деструктивных твитов в отличие от аналогов обеспечивает более высокую достоверность результатов мониторинга, а модели восприятия этих твитов предлагают оригинальные и более адекватные метрики вовлеченности пользователей, столь необходимые для процедур мониторинга социо-информационного трафика.
Теоретическая значимость:
-
Использованный в работе подход по формированию репрезентативной выборки имеет перспективу своего теоретического развития на другие классы социальных сетей с учетом их топологической специфики и особенностей реакции пользователей на разнообразные по своей конструкции контенты.
-
Разработанные модели межслойной диффузии деструктивного твита имеют теоретическую перспективу своего развития и использования в плане учета особенностей контактирования слоев и специфики диффундирующих контентов, что не только параметрически, но и структурно имеет свои вариации в зависимости от типа и класса исследуемых социальных сетей.
-
Предложенные в работе риск-модели восприятия пользователем сетевого контента имеют перспективу своего аналитического развития и применения в плане создания новых и более адекватных метрик вовлеченности в контексте реализации мониторинга социальных сетей.
Практическая ценность:
-
В практическом плане возможности предложенной репрезентативной выборки могут быть расширены путем перенастройки ее компонентов по 10% или 3% точности описания с точки зрения контролируемого моделью объема сетевого трафика. При этом практика создания подобных выборок может быть с успехом распространена и на другие менее значимые сети социальных закладок.
-
Результаты имитационного компьютерного моделирования с помощью предложенных риск-моделей инфицирования могут быть получены и для иных способов вброса деструктивного контента. Тем самым представляется возможным реализовать многовариантное моделирование эпидемических процессов с последующей оптимизацией эпистойкости за счет варьирования параметров модели.
3. Предложенная методика выявления деструктивных твитов с успехом может быть использована для практического обнаружения более крупных текстовых контентов вредоносного содержания в социальных сетях других классов, для которых также могут найти свое применение разработанные риск-модели оценки восприятия пользователем сети информации в контексте измерения их вовлеченности в эпидемические процессы распространения не только негативных, но и позитивных постов, особенно в программно-технических средствах информационного мониторинга.
Методы исследования. В исследовании используются методы риск-анализа, теории вероятностей и математической статистики, математического анализа, теории графов.
Соответствие специальности научных работников. Полученные научные результаты соответствуют следующим пунктам паспорта специальности научных работников 05.13.19 «Методы и системы защиты информации, информационная безопасность»: методы, модели и средства выявления, идентификации и классификации угроз нарушения информационной безопасности объектов различного вида и класса (п.3); анализ риска нарушения безопасности и уязвимости процессов переработки информации в информационных системах любого вида и области применения (п.7); модели и методы оценки эффективности систем (комплексов) обеспечения информационной безопасности объектов защиты (п.10).
Степень достоверности научных положений и выводов, сформулированных в исследовании, подтверждаются тем, что:
-
Теория построена на известных, проверяемых фактах статистического исследования распространения деструктивного контента в социальных сетях, что согласуется с опубликованными данными в работах профессорско-преподавательского состава кафедры систем информационной безопасности Воронежского государственного технического университета.
-
Использовано сравнение авторских данных с результатами, полученными ранее, по рассматриваемой области в работах: Новикова Д.А., Паринова А.В., Остапенко А.Г., Громова Ю.Ю., Лося В.П., Симонова К.В., Коваленко Д.М.
-
Установлено качественное совпадение авторских результатов с результатами, представленными Новиковым Д.А., Губановым Д.А. и Остапенко А.Г. в области управления информационными рисками и обеспечение безопасности инфокоммуникационных систем.
Внедрение результатов работы. Полученные основные научные результаты диссертационного исследования используются в ФГБОУ ВО «Воронежский государственный технический университет» в учебном процессе на кафедре систем информационной безопасности при организации изучения специальных дисциплин в ходе подготовки специалистов по специальностям 10.05.01 «Компьютерная безопасность», 10.05.02 «Информационная безопасность телекоммуникационных систем», 10.05.03 «Информационная безопасность автома-
тизированных систем», что подтверждено актом о внедрении в учебный процесс, а так же - внедрены в стратегический проект ФГБОУ ВО Воронежского государственного технического университета «Безопасный Интернет» (присвоенный интернет - номер: АААА-А18-118050700061-7 от 07.05.2018.).
Апробация работы. Основные результаты исследований и научных разработок докладывались и обсуждались на: Межрегиональной научно-практической конференции «Инновации и информационный риски» (Воронеж, 2014); Воронежском форуме инфокоммуникационных и цифровых технологий, Межвузовская неделя науки в сфере информационной безопасности (Воронеж, 2014); Воронежском форуме инфокоммуникационных технологий, Международная научно-практическая конференция «Обеспечение безопасности инфо-коммуникационных и цифровых технологий» (Воронеж, 2015); Международной научно - практической конференции «Безопасность инфокоммуникацион-ных и цифровых технологий» (Воронеж, 2016); Межрегиональном форуме цифровых технологий (Воронеж, 2017).
Публикации. Основные положения диссертации изложены в 15 публикациях, в том числе – 3-х статьях, индексируемых в базе данных Scopus, и 9 статьях в рецензируемых журналах из перечня ВАК России.
Личный вклад автора. Все основные результаты работы получены автором самостоятельно. В работах, опубликованных в соавторстве, лично автору принадлежат: в работе [1] – способ генерации случайного графа с выделением пользователей, читателей и сообществ с заданием центра кластеров по ряду параметров, таких как «друзья», «интересы» и т.д. в социальной информационной сети Twitter; в [2] – модули сетевого мониторинга и план регионального проекта «Безопасный Интернет»; в [3] – методика идентификации деструктивного контента, основанная на применении контент-анализа содержимого текста, включая сравнительный анализ эффективности предложенной методики идентификации и ее ближайшего аналога, основанного на том же принципе; в [4] – методика анализа социальной сети закладок в контексте распространения деструктивного контента, включая реализацию конкретных процедур необходимых для регулирования риска/шанса и управления ими; в [5] – структурно-функциональная схема классификации контента в социальной сети Twitter; в [6] – алгоритм генерации безмасштабной сети; в [7] – модель эпидемического процесса в социальных сетях; в [8] – оценка информационных рисков атак на узлы сети, включая эпистойкость для различных законов распределения вероятности успеха заражения; в [9] – оценка информационных рисков и эпистойкости безмасштабных сетей; в [10] – аналитические выражения для расчета риска распространения информационных эпидемий в многослойной сети; в [11] – модель атак в сетях, организованных с учетом выделения пользователей, читателей и сообществ; в [12] – аналитические выражения для анализа процессов распространения контента; в [13] – формулировка задач по созданию инструментария моделирования процессов распространения контента в гетерогенных сетях; в [14] – подходы к моделированию вирусных атак на сети безмасштабной струк-
туры; в [15] – аналитические выражения расчета ущерба для веерно-расходящейся информационной эпидемии в сети Twitter.
Структура и объем работы. Диссертационная работа состоит из введения, трех глав, заключения, списка литературы, включающего 155 наименований, и приложений. Основная часть работы изложена на 123 страницах, содержит 26 рисунков и 30 таблицы.