Социальное влияние на пользователя в социальной сети: типы связей в оценке поведенческих рисков, связанных с социоинженерными атаками
DOI:
https://doi.org/10.22394/1726-1139-2019-3-104-117Ключевые слова:
распространение информации в социальных сетях, social engineering attacks, user security analysis, social networks, user interaction, information distribution in social networksАннотация
Целью данного исследования является изучение силы влияния возможных типов взаимоотношений между пользователями, которые представлены в социальной сети «ВКонтакте», на вероятность распространения социоинженерной атаки.Методы. Для достижения поставленной цели был разработан опрос и создана web-страница, используемая для сбора ответов от респондентов. После получения данных был произведен анализ полученных результатов с использованием инструментов Microsoft Excel. Кроме того, для более глубокого анализа результатов была разработана программа на языке C , производящая подсчет необходимых характеристик и осуществляющая вывод результатов в документ Excel.Результаты. В ходе анализа результатов опроса были выделены типы взаимоотношений между пользователями, при которых они готовы с большей вероятностью откликаться на просьбу. Также было выявлено, что наиболее часто встречаются ответы, в которых нескольким или даже всем категориям в группах типов взаимоотношений между пользователями были присвоены одинаковые оценки степени готовности отреагировать на просьбу. Кроме того, стоит отметить, что нередко встречаются ответы, в которых респонденты выделили лишь один из представленных вариантов связи.Выводы. По результатам исследования была выдвинута гипотеза о том, что оценки степени готовности откликнуться на просьбу вступить в сообщество для разных групп взаимоотношений различны, но внутригрупповые оценки отличаются мало. Полученные результаты, демонстрирующие отсутствие дифференциации значений внутри групп типов взаимоотношений, являются существенными, но в то же время требуется более глубокое изучение порядков, которые можно отследить в ответах ряда респондентов.Скачивания
Библиографические ссылки
Абрамов М. В., Тулупьев А. Л., Сулейманов А. А. Задачи анализа защищенности пользователей от социоинженерных атак: построение социального графа по сведениям из социальных сетей // Научно-технический вестник информационных технологий, механики и оптики. 2018. Т. 18. № 2. С. 313-321.
Азаров А. А., Тулупьева Т. В., Суворова А. В., Тулупьев А. Л. и др. Социоинженерные атаки: проблемы анализа. СПб.: Наука, 2016.
Зиненко О. Актуальные киберугрозы: тренды и прогнозы // Positive Technologies. 2018. С. 12-15.
Каталков Д. Как социальная инженерия открывает хакеру двери в вашу организацию // Positive Technologies. 2018. С. 26-30.
Колесников Г. И., Хованов Н. В., Юдаева М. С. Применение метода квантификации нечисловых оценок вероятности для выбора оптимального портфеля ценных бумаг // Вестник Санкт-Петербургского университета. Сер. 5. Экономика. 2007. № 3. С. 58-67.
Хованов Н. В. Статья о построении рейтинга российских научных журналов как повод подумать об общих принципах применения метода сводных показателей // Управление большими системами: сборник трудов. 2009. № 27. С. 76-80.
Хованов Н. В., Федотов Ю. В. Модели учета неопределенности при построении сводных показателей эффективности деятельности сложных производственных систем // Научные доклады. 2006. № 28R-2006.
Bapna R., Gupta A., Rice S., Sundararajan A. Trust and the Strength of Ties in Online Social Networks: An Exploratory Field Experiment // MIS Quarterly. 2017. Vol. 41. N 1. P. 115-130.
Beam M. A., Child J. T., Hutchens M. J., Hmielowski J. D. Context collapse and privacy management: Diversity in Facebook friends increases online news reading and sharing // New media & society. 2017. Vol. 20. N 7. P. 2296-2314.
Bogaert M., Ballings M., Van den Poel D. Evaluating the importance of different communication types in romantic tie prediction on social media // Annals of Operations Research. 2018. Vol. 263. N 1-2. P. 501-527.
Cadena M., Hoffman M., Gallardo R. A., Figueroa A. at al. Using social network analysis to characterize the collaboration network of backyard poultry trainers in ackCalifornia // Preventive veterinary medicine. 2018. Т. 158. P. 129-136.
Chang H. T., Li Y. W., Mishra N. mCAF: a multi-dimensional clustering algorithm for friends of social network services // SpringerPlus. 2016. Vol. 5. N 1. P. 757.
Gillath O., Karantzas G. C., Selcuk E. A Net of Friends: Investigating Friendship by Integrating Attachment Theory and Social Network Analysis // Personality and Social Psychology Bulletin. 2017. Vol. 43. N 11. P. 1546-1565.
Karimi F., Matous P. Mapping diversity and inclusion in student societies: A social network perspective // Computers in Human Behavior. 2018. Т. 88. P. 184-194.
Krakan S., Humski L., Skočir Z. Determination of friendship intensity between online social network users based on their interaction // Tehnički vjesnik. 2018. Vol. 25. N 3. P. 655-662.
Liberatore F., Quijano-Sanchez L. What do we really need to compute the Tie Strength? An empirical study applied to Social Networks // Computer Communications. 2017. Vol. 110. P. 59-74.
Lisbôa E. S., Coutinho C. P. SNA: a framework for analyzing interaction in a social network // EDULEARN13 Proceedings. IATED 2013. P. 6549-6555.
Maiz A., Arranz N., Fdez de Arroyabe J. C. Factors affecting social interaction on social network sites: the Facebook case // Journal of Enterprise Information Management. 2016. Vol. 29. N 5. P. 630-649.
Mattie H., Engø-Monsen K., Ling R., Onnela J. P. Understanding tie strength in social networks using a local "bow tie" framework // Scientific Reports. 2018. Vol. 8. N 1. P. 9349.
Suleimanov A., Abramov M., Tulupyev A. Modelling of the social engineering attacks based on social graph of employees communications analysis // Proceedings of 2018 IEEE Industrial Cyber-Physical Systems (ICPS). SPb., 2018. P. 801-805.
