КОМП’ЮТЕРНА МОДЕЛЬ ПОШИРЕННЯ ІНФОРМАЦІЙНИХ ВІРУСІВ У СОЦІАЛЬНІЙ МЕРЕЖІ ПРИ РІЗНІЙ ПОВЕДІНЦІ КОРИСТУВАЧІВ

  • O. Tkachenko
  • Ye. Meleshko
  • V. Mikhav
Ключові слова: соціальна мережа, інформаційна безпека, фейкові новини, інформаційні віруси, модель SIRS, модель Барабаши-Альберт, модель Воттса-Строгаца

Анотація

У наш час моделювання процесів поширення інформаційних вірусів є важливою задачею кібербезпеки, адже треба чітко розрізняти де правда, а де фейк, вміти виявляти джерело поширення фейкових новин і протидіяти дезінформації, щоб доносити до людей істину. Метою даної роботи було створення та дослідження комп’ютерної моделі поширення інформаційних вірусів у соціальній мережі при різній поведінці користувачів. Для виконання поставленої мети було використано епідеміологічну модель SIRS та моделі генерації структури соціальної мережі Барабаши-Альберт та Воттса-Строгаца. Модель SIRS ідеально підходить для імітації поширення комп’ютерного вірусу, адже в цій моделі людина може приймати циклічно три стани: здоровий, хворий та з імунітетом, а потім знов здоровий, а в соціальній мережі користувач заражується фейком замість вірусу і також проходить через ці стани. Для моделювання структури соціальної мережі було використано алгоритми БарабашиАльберт і Воттса-Строгаца, які доступні в бібліотеці Networkx мови програмування Python. Запропоновано декілька різних способів поведінки користувачів для захисту від інформаційних вірусів, зокрема, видалення зв’язків між користувачами, видалення користувачів з мережі та блокування користувачів при їх підозрілій активності. Здійснено емпіричне дослідження та порівняння запропонованих методів боротьби з інформаційним вірусом за різними критеріями. Було запропоновано початкові параметри мережі, а саме, кількість користувачів, кількість зв’язків між ними та коефіцієнти моделі SIRS. З використанням мови програмування Python та бібліотек Pygame і Networkx було реалізовано запропоновану модель поширення інформаційного вірусу в соціальній мережі та змодельовано такі методи боротьби з фейком як: видалення зв’язків між користувачами, створення нового зв’язку, видалення користувачів, блокування користувачів. Найкращий результат боротьби з інформаційним вірусом ми отримуємо при комбінуванні методів видалення зв’язків і користувачів, а також блокуванні користувачів. При запропонованій поведінці користувачів інформаційному вірусу вдалося вдало протидіяти й виявити поширювача фейку та видалити його, при цьому кількість зв’язків між користувачами соціальної мережі зменшилась не дуже суттєво.

Завантаження

Дані про завантаження поки що недоступні.

Посилання

1. Курбан О. В. Сучасні інформаційні війни в соціальних онлайн-мережах. Інформаційне суспільство. 2016. Вип. 23. С. 85-90. URL: http://nbuv.gov.ua/UJRN/is_2016_23_15
2. Мелешко Є. В. Проблеми сучасних рекомендаційних систем та методи їх рішення. Системи управління, навігації та зв’язку. 2018. Вип. 4. С. 120-124. URL: http://nbuv.gov.ua/UJRN/suntz_2018_4_25
3. Cinelli M., De Francisci Morales G., Galeazzi A., Quattrociocchi W., Starnini M. The echo chamber effect on social media. Proceedings of the National Academy of Sciences. 2021. Vol. 118, No. 9, e2023301118. DOI: https://doi.org/10.1073/pnas.2023301118
4. Rhodes S. C. Filter bubbles, echo chambers, and fake news: how social media conditions individuals to be less critical of political misinformation. Political communication. 2022. Vol. 39, No. 1. P. 1-22. DOI: https://doi.org/10.1080/10584609.2021.1910887
5. Chitra U., Musco C. Analyzing the Impact of Filter Bubbles on Social Network Polarization. In Proceedings of the 13th International Conference on Web Search and Data Mining (WSDM ‘20), Association for Computing Machinery, New York, NY, USA. 2020. P.115-123. URL: https://doi.org/10.1145/3336191.3371825
6. Yerlikaya T., Aslan,S. T. Social Media and Fake News in the Post-Truth Era: The Manipulation of Politics in the Election Process. Insight Turkey. 2020. Vol. 22, No. 2. P. 177-96. URL: https://www.jstor.org/stable/26918129
7. Динаміка поширення фейків в соціальному просторі. Портал Медіаосвіти і Медіаграмотності. 2020. URL: https://medialiteracy.org.ua/dynamika-poshyrennya-fejkiv-v-sotsialnomu-prostori/
8. Newman M. E. J. Networks: An Introduction (1st edn). Oxford University Press. 2010. DOI: https://doi.org/10.1093/acprof:oso/9780199206650.001.0001
9. Barabási A.-L., Albert R. Emergence of scaling in random networks. Science. 1999. Vol. 286(5439), P. 509-512. DOI: https://doi.org/10.1126/science.286.5439.509
10. Watts D. J., Strogatz S. H. Collective dynamics of ‘small-world’ networks. Nature. 1998. Vol. 393(6684), P. 440-442. DOI: https://doi.org/10.1038/30918
11. SIR and SIRS models. IDM documentation. URL: https://docs.idmod.org/projects/emod-generic/en/2.20_a/model-sir.html#sirsmodel\
Опубліковано
2024-09-06
Як цитувати
Tkachenko O. Комп’ютерна модель поширення інформаційних вірусів у соціальній мережі при різній поведінці користувачів / O. Tkachenko, Ye. Meleshko, V. Mikhav // Системи управління, навігації та зв’язку. Збірник наукових праць. – Полтава: ПНТУ, 2024. – Т. 3 (77). – С. 153-157. – doi:https://doi.org/10.26906/SUNZ.2024.3.153.
Розділ
Інформаційні технології

Найбільш популярні статті цього автора (авторів)

1 2 > >>