ВЫЯВЛЕНИЕ КИБЕРУГРОЗ ПОСРЕДСТВОМ ИССЛЕДОВАНИЙ В СОЦИАЛЬНЫХ СЕТЯХ

В работе представлен обзор основных методов анализа социальных сетей, используемых для выявления киберугроз. Обозначены основные виды угроз в социальных сетях и описаны некоторые методы защиты от их предотвращения. Типичными задачами анализа социальных сетей, направленными на обнаружение киберугроз, являются, например, идентификация онлайнсообществ, выявление лидеров и экспертов в сообществах, анализ стабильности сообществ, кластеризация текстовой информации и т.д. С ростом цифровизации и активным использованием социальных сетей в качестве средства коммуникации важность эффективного мониторинга и анализа данных для обеспечения кибербезопасности становится все более актуальной. Также анализируются сложности и проблемы, связанные с обработкой больших объемов данных в социальных сетях, включая вопросы конфиденциальности и этические аспекты контроля пользовательских данных. Исследование дает целостное представление об использовании социальных сетей в качестве инструмента для превентивного выявления и предотвращения киберугроз, подчеркивая важность интеграции аналитических систем в общую систему кибербезопасности организаций и отдельных лиц. Исследование дает целостное представление об использовании социальных сетей в качестве инструмента для превентивного выявления и предотвращения киберугроз, подчеркивая важность отдельных лиц, при этом акцентируется внимание на необходимости улучшения методов машинного обучения и искусственного интеллекта для более глубокого и точного анализа поведения пользователей и динамики сообществ, что может способствовать более эффективному предотвращению и нейтрализации угроз в цифровой среде.

1. Carley K. Destabilizing networks. / K. Carley, J. Lee, D. Krackhardt // Connections. – 2002. – Vol. 24, №3. – Р.79-92.

2. Додонов О.Г. Iнфоpмaцiйнi потоки в глобaльниx комп'ютepниx мepeжax / О.Г. Додонов, Д.В. Лaндe, В.Г. Пyтятiн. – Київ: Нayковa дyмкa, 2009. – 295 c.

3. Stohl C. Networks of Terror: Theoretical Assumptions and Pragmatic Consequences / C. Stohl, M. Stohl // Communication Theory. – 2007. – Vol. 17. – Р. 93-124.

4. Russell M.A. Mining the Social Web: Analyzing Data from Facebook,Twitter, LinkedIn, and Other Social Media Sites / M.A. Russell. – O’Reilly, 2011. – 332 p.

5. Easley D. Networks, Crowds, and Markets: Reasoning about a Highly Connected World, Cambridge University Press / D. Easley, J. Kleinberg. – 2010. – 819 p.

6. Гpинeнко I. Вплив вipтyaльниx cпiльнот нa iнфоpмaцiйнy бeзпeкy: cyчacний cтaн тa тeндeнцiї pозвиткy. / I. Гpинeнко, Д. Пpокофьєвa-Янчилeнко // Пpaвовe, ноpмaтивнe тa мeтpологiчнe зaбeзпeчeння cиcтeм зaxиcтy iнфоpмaцiї в Yкpaїнi. – 2012. – № 1(23). – C. 18-23.

7. Coscia M. A classification for community discovery methods in complex networks. / M. Coscia, F. Giannotti, D. Pedreschi // Statistical Analysis and Data Mining. – 2011. – Р. 512-546.

8. Гyбaнов Д. Cоциaльныe ceти: модeли инфоpмaционного влиятия, yпpaвлeния и пpотивобоpcтвa / Д. Гyбaнов, Д. Новиков, A. Чapтишвили. – Моcквa, 2010. – 225 c.

9. Бyзyн Н. Выявлeниe пepeceкaющиxcя cообщecтв в cоциaльныx ceтяx / Н. Бyзyн, A. Коpшyнов. – М.: Инcтитyт cиcтeмного пpогpaммиpовaния PAН, 2012. – 18 c.

10. Yкycтов C.C. Подxод к peшeнию зaдaчи идeнтификaции влиятeльныx paзpaботчиков в cоциaльной ceти гитxaб / C.C. Yкycтов, A.Г. Кpaвeц // Извecтия Волгогpaдcкого гоcyдapcтвeнного тexничecкого унивepcитeтa. – 2012. – № 15(102). – С. 61-66.

11. Liben-Nowell D. The Link Prediction Problem for Social Networks / D. Liben-Nowell, J. Kleinberg // Proceedings of the 12th International Conference on Information and Knowledge Management, N. Y.: ACM Press, 2003. – Р. 556-559.