پدافند الکترونیکی و سایبری (Jun 2024)

مدل محاسباتی جهت ارزیابی عملکرد عامل عملیات نفوذ در شبکه‌های اجتماعی برخط

  • غلامرضا بازدار,
  • محمد عبداللهی ازگمی

Journal volume & issue
Vol. 12, no. 1
pp. 89 – 107

Abstract

Read online

گسترش شتابان استفاده از شبکه‌های اجتماعی برخط در میان جامعه، زمینه مستعدی برای اجرای عملیات‌های نفوذ شناختی و اجتماعی را فراهم آورده است. طرح‌ریزی و اجرای بهینه عملیات نفوذ، وابسته به داشتن یک چارچوب مناسب جهت ارزیابی این عملیات است. ارزیابی عامل‌ها و بازیگران مؤثر در عملیات نفوذ از ملزومات اصلی ارزیابی عملیات نفوذ است. با توجه به پویایی شبکه‌های اجتماعی برخط و تولید روزافزون داده‌های انبوه در آن، استفاده از رویکرد محاسباتی جهت ارزیابی عملیات نفوذ ضروری است. لذا هدف این تحقیق، یافتن مدلی محاسباتی جهت ارزیابی عامل‌های عملیات نفوذ در شبکه‌های اجتماعی برخط است. به‌طورکلی روش‌های ارزیابی نفوذ عامل را می‌توان به سه دسته کلی ارزیابی کیفی، ارزیابی کمی و ارزیابی محاسباتی تقسیم کرد. روش‌های ارزیابی محاسباتی را می‌توان به دو دسته‌ی روش‌های مبتنی بر یادگیری ماشین و روش‌های مبتنی بر ویژگی‌های دستی تقسیم‌بندی کرد. روش‌های دسته‌ی اول دارای دقت بالاتری هستند اما نیاز به حجم زیادی داده‌ی آموزش دارند. این در حالی است که در مسائلی همچون مسئله رتبه‌بندی نفوذ عامل‌ها، امکان آماده‌سازی داده‌های برچسب‌دار وجود ندارد. یکی دیگر از معایب غالب روش‌های مبتنی بر یادگیری ماشین، عدم امکان قابلیت تفسیر نتایج است. همچنین با بهره‌گیری از سازه‌های نظری مرتبط بانفوذ در شبکه‌های اجتماعی، می‌توان به مولفه‌های مؤثر در محاسبه‌ی نفوذ دست پیدا کرد. در این مقاله با تعریف شاخص‌ها و معیارهای شبکه‌ای فعالیت عامل‌ها متناسب با عملیات نفوذ، نفوذ عامل‌ها محاسبه می‌شود. در روش پیشنهادی، ابتدا مدلی جهت ارزیابی عامل با توجه به ویژگی‌های بااهمیت برای ارزیابی عملیات نفوذ معرفی شده است و سپس با مجموعه داده‌های تولیدی متناسب، ارزیابی شده است. با توجه به شاخص‌های مورد استفاده در این مدل، مجموعه دادگانی که شامل همة این شاخص‌ها باشد، وجود ندارد و ما سه مجموعه دادگان حاوی شاخص‌های مورد نظر از داده‌های توییتر تولید کردیم. نتایج به‌دست‌آمده نشانگر این مطلب است که مدل ارائه شده در کنار قابلیت تفسیرپذیری و عدم نیاز به داده‌های آموزشی، دارای عملکردی قابل مقایسه با روش‌های قبلی است.

Keywords