Социальное влияние на пользователя в социальной сети: типы связей в оценке поведенческих рисков, связанных с социоинженерными атаками

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.

1. 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.

2. Азаров А. А., Тулупьева Т. В., Суворова А. В., Тулупьев А. Л. и др. Социоинженерные атаки: проблемы анализа. СПб.: Наука, 2016.

3. Зиненко О. Актуальные киберугрозы: тренды и прогнозы // Positive Technologies. 2018. С. 12–15.

4. Каталков Д. Как социальная инженерия открывает хакеру двери в вашу организацию // Positive Technologies. 2018. С. 26–30.

5. 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.

6. 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.

7. Хованов Н. В., Федотов Ю. В. Модели учета неопределенности при построении сводных показателей эффективности деятельности сложных производственных систем // Научные доклады. 2006. № 28R-2006.

8. 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.

9. 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.

10. 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.

11. 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.

12. 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.

13. 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.

14. 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.

15. 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.

16. 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.

17. Lisbôa E. S., Coutinho C. P. SNA: a framework for analyzing interaction in a social network // EDULEARN13 Proceedings. IATED 2013. P. 6549–6555.

18. 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.

19. 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.

20. 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.