Деструктивные твиты в сети социальных закладок: риск-модели распространения, восприятия и выявления тема диссертации и автореферата по ВАК РФ 05.13.19, кандидат наук Соколова, Елена Сергеевна

• Соколова, Елена Сергеевна
• кандидат наук
• 2018

Оглавление диссертации кандидат наук Соколова, Елена Сергеевна

ОГЛАВЛЕНИЕ

ВВЕДЕНИЕ

1 СЕТИ СОЦИАЛЬНЫХ ЗАКЛАДОК КАК СРЕДА РАСПРОСТРАНЕНИЯ ДЕСТРУКТИВНЫХ ТВИТОВ

1.1 Функциональная специфика сети с интеграцией сервисов социальных закладок

1.2 Структурные особенности сетей социальных закладок

1.3 Твиты и мегасеть Twitter

1.4 Выводы по первой главе

2 РАСПРОСТРАНЕНИЕ ДЕСТРУКТИВНЫХ ТВИТОВ В СЕТЯХ СОЦИАЛЬНЫХ ЗАКЛАДОК

2.1 Риск-модели вредоносного воздействия деструктивных твитов

с учетом многослойности сети и дискретности состояний ее пользователей

2.2 Имитационное компьютерное моделирование эпидемических процессов распространения деструктивных твитов

2.3 Практические оценки риска межслойной диффузии деструктивных твитов и рекомендации по его регулированию

2.4 Выводы по второй главе

3 МЕТОДИКИ И МОДЕЛИ ВЫЯВЛЕНИЯ И ВОСПРИЯТИЯ ДЕСТРУКТИВНЫХ ТВИТОВ В СЕТИ СОЦИАЛЬНЫХ ЗАКЛАДОК

3.1 Признаки деструктивности твитов и методики их выявления

3.2 Аккаунты сети социальных закладок, популярные с точки зрения распространения деструктивных твитов

3.3 Риск вовлеченности пользователей сети социальных закладок при

во сприятии де структивных твитов

3.4 Рекомендации по организации мониторинга деструктивных контентов

3.5 Выводы по третьей главе

ЗАКЛЮЧЕНИЕ

СПИСОК ЛИТЕРАТУРЫ

ПРИЛОЖЕНИЕ

Введение диссертации (часть автореферата) на тему «Деструктивные твиты в сети социальных закладок: риск-модели распространения, восприятия и выявления»

ВЕДЕНИЕ

Актуальность темы исследования. Глобальное информационное пространство сегодня уже нельзя себе представить без социальных сетей [2, 14, 40-55, 59-69, 71, 83, 86, 94, 111]. В настоящее время в них погружено более двух третей мирового информационного трафика, около десятой части которого, относится к сетям социальных закладок, где только в российском сегменте ежемесячно генерируется свыше миллиона твитов [56, 82, 83].

Однако наряду с перечисленными возможностями пользователям социальных информационных сетей пришлось столкнуться с контентом, побуждающим к деструктивным действиям и являющимся значимой угрозой для социума [1, 3, 14, 18, 21, 30, 32, 36, 39, 47, 48, 50-52, 59, 60, 66-68, 77, 78, 81, 84, 96, 107, 115, 121, 126-128, 135]. Негативным примером тому могут служить многочисленные «цветные революции» [8, 29, 33] и другие акции протеста политике действующей власти [3, 16, 19, 20, 27, 32, 36, 38, 77, 84, 90, 95].

Неслучайно социальные сети вызывают огромный научный и практический интерес исследователей [1, 2, 14, 28, 39, 42, 43, 47-52, 54, 57, 72, 104, 105, 108, 110-112, 117, 125-127], особенно в части изучения эпидемических процессов распространения деструктивного контента [1, 48-55, 59-68, 113, 118, 121, 126, 127, 130] в различных видах соцсетей в соответствии с основным функционалом [45, 50, 51, 53, 63, 64, 72, 78]. Сравнительно недавно это множество пополнилось классом сетей с интеграцией сервисов социальных закладок [44, 50, 94], где самым масштабным представителем, безусловно, следует считать сеть Twitter [25, 26, 56, 71, 82, 83, 93, 136, 139], пользующуюся межконтинентальной популярностью не только у рядовых жителей планеты, но и у политиков мирового масштаба [71, 74, 102]. Twitter стал ведущей площадкой для ведения дискуссий в реальном времени. Короткие информационные сообщения (твиты), сопровождаемые зачастую вложениями, в той или иной степени позволяют формировать и продвигать идеи, взгляды, товары и услуги, а также -

способствовать доставке контента пользователю даже с опережением официальных СМИ [16, 25, 26, 35, 56, 71, 83, 93, 94].

Вместе с тем, инструментарий для исследования этого яркого представителя класса сетей социальных закладок [40, 44, 94] по своим возможностям пока оставляет желать много лучшего и прежде всего в вопросах распространения, восприятия и выявления (при мониторинге) деструктивных твитов. При этом, деструктивная направленность подобного контента связана с дестабилизацией внутриполитической и социальной ситуаций, подрывом суверенитета и нарушением территориальной целостности страны, нагнетанием национальной напряженности, разжиганием этнической и религиозной ненависти или вражды, пропагандой экстремистской идеологии, привлечением к террористической деятельности новых сторонников, размыванием традиционных духовно-нравственных ценностей [1, 3, 20, 30, 36, 38, 50, 77, 81, 84]. Неслучайно важность задачи противодействия пропаганде в информационном пространстве радикальных идей, оправдания терроризма и экстремизма, а также необходимости решительно пресекать попытки размещения материалов, угрожающих безопасности нашего государства, общества в целом и отдельных граждан, подчеркивал Президент Российской Федерации В.В. Путин (заседание Совета Безопасности РФ от 26.10.17).

На несовершенства вышеупомянутого инструментария указывают также следующие противоречия между:

- реальной необходимостью всестороннего анализа процессов, протекающих в мегасети социальных закладок Twitter, и ее топологической мультиразмерностью, существенно сокращающей возможности моделирования;

- безмасшабностью сетей социальных закладок, имеющих многослойную структуру, и отсутствием моделей, способных практически учитывать вышеуказанное свойство в контексте микро (на уровне отдельного пользователя) и макро (в масштабе многослойного их взаимодействия в сети) риск-моделирования процессов распространения деструктивных твитов;

- насущная необходимость оценки восприятия пользователями деструктивных твитов, явилась причиной разработки соответствующих моделей, способных измерять интегральные и дифференциальные риски реакции субъектов сетей социальных закладок на вредоносные контенты, включая методики их выявления в ходе мониторинга и особенности регионального Интернет-пространства.

В этой связи, актуальность темы исследования определяется необходимостью поиска новых научно-методических подходов и создания риск моделей восприятия, распространения и выявления деструктивного контента в сетях социальных закладок, и прежде всего, в мегасети Twitter, в том числе с учетом ее регионального сегмента.

Степень разработанности темы исследования. Попытка описания эпидемических процессов предпринималась во многих научных работах [7, 45, 48, 50, 53, 59-68, 72, 113, 121, 126, 127, 130, 131]. Объектом исследования на ранних этапах выступали биологические системы [7] и сравнительно недавно такой анализ стали осуществлять для сетевых информационных структур [72, 106, 113, 119, 120, 129-131, 130, 131, 151], где его основой служат аналоговые дифференциальные уравнения. Однако дискретность состояний инфицируемых элементов сети, а также многие другие особенности эпидемических процессов потребовали применения дискретных моделей [9, 10, 22, 33, 108, 113, 114, 123, 124, 126-128, 132-135]. Здесь открылись широкие перспективы для моделирования сетевых эпидемий [45, 50, 53, 59-68, 126, 127]. Также возникла необходимость в разработке предметно-ориентированного подхода по формализации моделей диффузии контента в различных социальных сетях [45, 50, 53], с учетом их функциональной и организационной специфики.

Для одного из таких классов (сети социальных закладок) выполнена настоящая работа, развивающая методологию сетевого риск-анализа процессов распространения, восприятия и выявления деструктивного контента, как важнейшего возбудителя информационных эпидемий в социальных сетях.

Научно-техническая задача состоит в разработке методов и средств противодействия угрозам нарушения информационной безопасности, обусловленных влиянием вредоносного контента в сетях социальных закладок, на основе развития и практического использования моделей, позволяющих оценивать риски распространения и восприятия деструктивных твитов, на базе исследования соцсети Twitter.

Диссертационная работа выполнена в соответствии с одним из основных направлений ФГБОУ ВО «Воронежский государственный технический университет» «Управление информационными рисками и обеспечение безопасности электронных технологий» на базе Воронежского научно-образовательного центра управления информационными рисками.

Объектом исследования является самый масштабный представитель сетей социальных закладок Twitter, где происходит массовое распространение деструктивного контента (твитов).

Предметом исследования является риск-анализ процессов выявления, восприятия и распространения деструктивного твита в информационной инфраструктуре сети Twitter, включая региональное Интернет-пространство.

Целью исследования является развитие методологии противодействия угрозам нарушения информационной безопасности применительно к атакуемым сетям социальных закладок путем создания и внедрения риск-моделей процессов распространения, восприятия и выявления деструктивных твитов.

Для достижения вышеуказанной цели необходимо решить следующие задачи:

1. Формирование подмножества структурных данных сети социальных закладок Twitter посредством репрезентативной выборки, значительно сокращающей вычислительные затраты на ее моделирование.

2. Построение риск-моделей процессов распространения деструктивных твитов для сетей социальных закладок, учитывающих их гетерогенную структуру и дискретность состояний пользователя при восприятии вредоносной информации.

3. Разработка методики выявления деструктивных твитов в ходе мониторинга сетей социальных закладок, а также - построение моделей для измерения и регулирования дифференциальных и интегральных рисков восприятия этих твитов пользователями сети.

На защиту выносятся:

1. Подход по формированию репрезентативной (по объему контролируемого трафика) выборки данных из сети Twitter, необходимый для эффективного риск-моделирования процессов распространения деструктивных твитов.

2. Риск-модели межслойной диффузии деструктивных твитов, включая аналитические выражения для оценки вероятных ущербов, и микро-фрактал вредоносного воздействия твита на пользователя сети Twitter, которые позволили осуществить имитационное компьютерное моделирование эпидемических процессов распространения деструктивных твитов и предложить рекомендации по регулированию этих рисков.

3. Методика выявления деструктивных твитов, позволяющая автоматизировать данную процедуру, а также - модели для оценки рисков восприятия пользователем таких твитов, необходимые для мониторинга (в том числе регионального) информационного пространства.

Новизна результатов работы:

1. Принципиальным отличием предложенного в работе подхода по формированию репрезентативной выборки является то, что при потере всего 5% объема трафика, она в сравнении с аналогичной топологией сети Twitter, имеющейся в открытом доступе, обеспечивает размерность графа (количество вершин) на несколько порядков меньшую и практически пригодна по вычислительным затратам моделирования.

2. В отличие от аналогов предложенные в работе риск-модели учитывают многослойность сети социальных закладок и особенности межсетевой диффузии деструктивных твитов.

3. Методика выявления деструктивных твитов в отличие от аналогов обеспечивает более высокую достоверность результатов мониторинга, а модели

восприятия этих твитов предлагают оригинальные и более адекватные метрики вовлеченности пользователей, столь необходимые для процедур мониторинга социо-информационного трафика.

Теоретическая значимость:

1. Использованный в работе подход по формированию репрезентативной выборки имеет перспективу своего теоретического развития на другие классы социальных сетей с учетом их топологической специфики и особенностей реакции пользователей на разнообразные по своей конструкции контенты.

2. Разработанные модели межслойной диффузии деструктивного твита имеют теоретическую перспективу своего развития и использования в плане учета особенностей контактирования слоев и специфики диффундирующих контентов, что не только параметрически, но и структурно имеет свои вариации в зависимости от типа и класса исследуемых социальных сетей.

3. Предложенные в работе риск-модели восприятия пользователем сетевого контента имеют перспективу своего аналитического развития и применения в плане создания новых и более адекватных метрик вовлеченности в контексте реализации мониторинга социальных сетей.

Практическая ценность:

1. В практическом плане возможности предложенной репрезентативной выборки могут быть расширены путем перенастройки ее компонентов по 10% или 3% точности описания с точки зрения контролируемого моделью объема сетевого трафика. При этом практика создания подобных выборок может быть с успехом распространена и на другие менее значимые сети социальных закладок.

2. Результаты имитационного компьютерного моделирования с помощью предложенных риск-моделей инфицирования могут быть получены и для иных способов вброса деструктивного контента. Тем самым представляется возможным реализовать многовариантное моделирование эпидемических процессов с последующей оптимизацией эпистойкости за счет варьирования параметров модели.

3. Предложенная методика выявления деструктивных твитов с успехом может быть использована для практического обнаружения более крупных текстовых контентов вредоносного содержания в социальных сетях других классов, для которых также могут найти свое применение разработанные риск-модели оценки восприятия пользователем сети информации в контексте измерения их вовлеченности в эпидемические процессы распространения не только негативных, но и позитивных постов, особенно в программно-технических средствах информационного мониторинга.

Методы исследования. В исследовании используются методы риск-анализа, теории вероятностей и математической статистики, математического анализа, теории графов.

Соответствие специальности научных работников. Полученные научные результаты соответствуют следующим пунктам паспорта специальности научных работников 05.13.19 «Методы и системы защиты информации, информационная безопасность»: методы, модели и средства выявления, идентификации и классификации угроз нарушения информационной безопасности объектов различного вида и класса (п.3); анализ риска нарушения безопасности и уязвимости процессов переработки информации в информационных системах любого вида и области применения (п.7); модели и методы оценки эффективности систем (комплексов) обеспечения информационной безопасности объектов защиты (п. 10).

Степень достоверности научных положений и выводов, сформулированных в исследовании, подтверждаются тем, что:

1. Теория построена на известных, проверяемых фактах статистического исследования распространения деструктивного контента в социальных сетях, что согласуется с опубликованными данными в работах профессорско-преподавательского состава кафедры систем информационной безопасности Воронежского государственного технического университета [45-55, 59-68, 78, 96, 125-128].

2. Использовано сравнение авторских данных с результатами, полученными ранее, по рассматриваемой области в работах: Новикова Д.А. [14, 28, 42, 43, 105], Паринова А.В. [50, 52, 59-68, 126-128], Остапенко А.Г. [18, 45-53, 108, 113, 123-

125, 134], Громова Ю.Ю. [11-13], Лося В.П. [6, 33, 34], Симонова К.В. [48, 54, 76, 125], Коваленко Д.М. [55, 98].

3. Установлено качественное совпадение авторских результатов с результатами, представленными Новиковым Д.А. [14, 28, 42, 43], Губановым Д.А. [14, 110-112] и Остапенко А.Г. [18, 45-53, 108, 113, 123, 134] в области управления информационными рисками и обеспечение безопасности инфокоммуникационных систем.

Внедрение результатов работы. Полученные основные научные результаты диссертационного исследования используются в ФГБОУ ВО «Воронежский государственный технический университет» в учебном процессе на кафедре систем информационной безопасности при организации изучения специальных дисциплин в ходе подготовки специалистов по специальностям 10.05.01 «Компьютерная безопасность», 10.05.02 «Информационная безопасность телекоммуникационных систем», 10.05.03 «Информационная безопасность автоматизированных систем», что подтверждено актом о внедрении в учебный процесс, а так же - внедрены в стратегический проект ФГБОУ ВО Воронежского государственного технического университета «Безопасный Интернет» (присвоенный интернет - номер: АААА-А18-118050700061-7 от 07.05.2018.).

Апробация работы. Основные результаты исследований и научных разработок докладывались и обсуждались на: Межрегиональной научно-практической конференции «Инновации и информационный риски» (Воронеж, 2014); Воронежском форуме инфокоммуникационных и цифровых технологий, Межвузовская неделя науки в сфере информационной безопасности (Воронеж, 2014); Воронежском форуме инфокоммуникационных технологий, Международная научно-практическая конференция «Обеспечение безопасности инфокоммуникационных и цифровых технологий» (Воронеж, 2015); Международной научно - практической конференции «Безопасность инфокоммуникационных и цифровых технологий» (Воронеж, 2016); Межрегиональном форуме цифровых технологий (Воронеж, 2017).

Публикации. Основные положения диссертации изложены в 15 публикациях, в том числе - 3-х статьях, индексируемых в базе данных Scopus, и 9 статьях в рецензируемых журналах из перечня ВАК России.

Личный вклад автора. Все основные результаты работы получены автором самостоятельно. В работах, опубликованных в соавторстве, лично автору принадлежат: в работе [141] - способ генерации случайного графа с выделением пользователей, читателей и сообществ с заданием центра кластеров по ряду параметров, таких как «друзья», «интересы» и т.д. в социальной информационной сети Twitter; в [142] - модули сетевого мониторинга и план регионального проекта «Безопасный Интернет»; в [143] - методика идентификации деструктивного контента, основанная на применении контент-анализа содержимого текста, включая сравнительный анализ эффективности предложенной методики идентификации и ее ближайшего аналога, основанного на том же принципе; в [144] - методика анализа социальной сети закладок в контексте распространения деструктивного контента, включая реализацию конкретных процедур необходимых для регулирования риска/шанса и управления ими; в [145] -структурно-функциональная схема классификации контента в социальной сети Twitter; в [146] - алгоритм генерации безмасштабной сети; в [147] - модель эпидемического процесса в социальных сетях; в [148] - оценка информационных рисков атак на узлы сети, включая эпистойкость для различных законов распределения вероятности успеха заражения; в [149] - оценка информационных рисков и эпистойкости безмасштабных сетей; в [150] - аналитические выражения для расчета риска распространения информационных эпидемий в многослойной сети; в [151] - модель атак в сетях, организованных с учетом выделения пользователей, читателей и сообществ; в [152] - аналитические выражения для анализа процессов распространения контента; в [153] - формулировка задач по созданию инструментария моделирования процессов распространения контента в гетерогенных сетях; в [154] - подходы к моделированию вирусных атак на сети безмасштабной структуры; в [155] - аналитические выражения расчета ущерба для веерно-расходящейся информационной эпидемии в сети Twitter.

Структура и объем работы. Диссертационная работа состоит из введения, трех глав, заключения, списка литературы, включающего 155 наименований, и приложений. Основная часть работы изложена на 123 страницах, содержит 26 рисунков и 30 таблицы.

1 СЕТИ СОЦИАЛЬНЫХ ЗАКЛАДОК КАК СРЕДА РАСПРОСТРАНЕНИЯ ДЕСТРУКТИВНЫХ ТВИТОВ

Рассматривается класс сетей с интеграцией сервисов социальных закладок в условиях распространения в них кратких сообщений - твитов деструктивного характера. Исследуется мегасеть вышеуказанного класса - Twitter. Оцениваются ее параметры, и предлагается репрезентативная выборка для сокращения размерности модели исследования.

1.1 Функциональная специфика сети с интеграцией сервисов

социальных закладок

Сравнительно недавно наступила новая эра развития обмена информацией, которая характеризуется интенсивным внедрением современных информационных технологий и широким распространением локальных, корпоративных и глобальных сетей во всех сферах жизни цивилизованного государства. Она формирует новые возможности и качество информационного обмена [33, 34, 41, 107], в том числе и через социальные информационные сети [14, 25, 40, 54, 55, 94, 98, 117].

Поэтому современный мир стал целиком зависеть от услуг, предоставляемых в сети Интернет, в том числе социальными сетями. Темп жизни возрос настолько, что зачастую стало затруднительно переработать всю ту информацию, которая накопилась в сети в течение дня. Подобная информация может являться интересной или даже важной для определенного человека, у которого есть свои интересы и предпочтения в искусстве, науке, спорте или информационных технологиях. В этой связи стали создаваться различные группы в социальных сетях, RSS-каналы, отдельные каналы в мессенджерах и тематические сайты. Через них распространяется огромное количество выборочной для пользователя информации, которую необходимо сохранить для последующего прочтения дома или в дороге, в удобном для себя месте и через

удобное устройство, будь то смартфон, планшетный компьютер, ноутбук или персональный компьютер [17, 24, 25, 26, 40].

Для сохранения накопленной информации можно воспользоваться различными приемами. В социальных сетях и мессенджерах можно переслать информацию на свою страницу или в сообщении самому себе. На тематических сайтах администрацией сети создаются специальные кнопки («Сохранить», «Добавить в избранное») и ссылки в профиле, ведущие в отдельный раздел сайта («Сохраненное», «Избранное»), а с популяризацией социальных сетей все чаще на сайты встраивают кнопки «Поделиться» (англ. Share) для каждой из социальных сетей. Но что, если интересная информация уже открыта в Интернет-обозревателе (браузере), страниц много, и копирование каждой ссылки в сообщение или на свою страницу в социальные сети нецелесообразно? В таком случае на помощь приходят так называемые «закладки». Во всех современных браузерах есть функции добавления закладок. Необходимо нажать всего лишь одну кнопку, и нужная информация будет сохранена в удобном виде. Ее всегда можно будет найти там, куда она была сохранена. Если только вы, спеша на учебу или работу, не забыли войти на устройстве в свою учетную запись [25, 86].

Синхронизация данных учетных записей Интернет-браузеров заслуживает отдельного внимания. Она присутствует во всех современных браузерах. В разделе настроек можно даже выбрать те пункты, которые будут периодически синхронизироваться. Но нередко случается так, что сохраненная дома информация может понадобиться, к примеру, на учебе [25, 26, 41, 82, 93].

Именно для синхронизации данных учетных записей существуют специальные веб-сервисы, так называемые «социальные закладки» (англ. Social bookmarking). Подобные сайты позволяют искать информацию, создавать закладки, сохранять адреса веб-ресурсов, делиться и управлять ими [118].

Ресурсы социальных закладок являются своеобразным подобием браузерных закладок, только хранятся не в памяти устройства, а на удаленном сервере. Пользователь может получить доступ к своим закладкам с любого устройства, которое подключено к сети Интернет, если он знает данные для входа

в свою учетную запись. Однако в этом случае она одна и нет необходимости помнить данные для каждого отдельного браузера. К преимуществам такого метода хранения данных можно отнести и тот факт, что данные на серверах зачастую имеют резервные копии на случай сбоев, а проблема защиты информации или системы в целом ложится на плечи владельца ресурса [118, 125].

Помимо всего прочего, сервисы социальных закладок используются для продвижения сайтов и получения трафика, так как на основе их использования возможно увеличить индексацию Интернет-страниц. Основной чертой, отличающей социальные закладки от веб-каталогов, является категорирование информации пользователями сервиса [17, 25, 44, 82, 86].

В настоящее время популярность сетей социальных закладок только нарастает. Новые сайты открываются и закрываются, но основная их масса продолжает работать. А в связи с ростом кибер-преступности в современном обществе и наличием важной для людей информации на сервисах социальных закладок, кибер-атаки являются значительной угрозой для данных ресурсов. Как правило, информация в подобных сетях реализована по иерархическому принципу, из-за чего они являются очень неустойчивыми, т.к. отказ одного из элементов может повлечь отказ всей системы. Различные разрушающие воздействия имеют разное влияние на степень и характер повреждения сети. В этой связи живучесть сети является важным аспектом надежности услуг сервисов [6, 15, 34, 69]. Сеть должна быть доступной для пользователей в любой момент, когда он захочет использовать ее. В момент атаки сеть должна как можно скорее восстановить свои функции. Задача живучести - предоставление услуг в случае неисправностей, сбоев системы, и возможность полного восстановления при отказе в короткие сроки [6, 11-13, 34, 49, 86, 107].

Функционал социальных закладок также использует мегасеть Twitter, как одна из самых крупных популярных социальных сетей в мире. Данный сервис в крупнейшей инфокоммуникационной среде ведения дискуссий в реальном времени позволяет не только добавлять новые социальные закладки, но и добавлять друзей, создавать группы по интересам, делать различные настройки

приватности, импортировать закладки из браузера, а также загружать различные файлы и добавляться в группы по интересам [25, 26, 56, 71, 82, 93, 136, 138]. С учётом вышеизложенного, сеть Twitter была выбрана в качестве объекта исследования, в наибольшей степени иллюстрирующего функционал сервиса социальных закладок.

Для всестороннего анализа структурно-функциональной особенности данной сети необходимо, в первую очередь, провести классификацию её ресурсов (рисунок 1.1), контента, циркулирующего в заданном сетевом пространстве (рисунок 1.2), объектов и субъектов социальной сети (рисунок 1.3), а также установить функциональные взаимосвязи между всеми элементами сети (рисунок 1.4).

Сетевые ресурсы можно представить в виде следующей схемы (рисунок

1.1):

Ресурсы

X_

Персонального пользователя

Рисунок 1.1 Классификация ресурсов в сети

Новостная лента - формат данных, используемый для доставки пользователям часто обновляемой информации. Распространители этой информации предоставляют новостную ленту, позволяя пользователям подписаться на неё. Лента состоит из твитов других пользователей, на которые подписана учетная запись, а также из служебной информации: имени учетной записи (автора твита), даты публикации, количество ретвитов и отметок «Мне нравится». При появлении новых данных они добавляются в ленту, вытесняя при этом старые твиты, которые автоматически подгружаются при прокручивании вебстраницы. Главная страница сайта - страница новостной ленты, которую видит любой авторизованный пользователь, который зашел на данный сайт. На этой странице отображаются недавно опубликованные твиты, реклама и навигация по социальной сети. Неавторизованному пользователю предлагается отдельная страница, включающая следующие разделы: регистрационное окно, поисковое окно, «Рекомендуемое», «Новости», «Спорт», «Музыка», «Искусство и культура», «Правительство и политика», «Развлечения», «Бренды и компании» и др. [56]. Актуальные темы - представляют собой блок данных, содержащий информацию о популярных хэштегах и новостях, которые пользователи часто ретвитят. Моменты

Список литературы диссертационного исследования кандидат наук Соколова, Елена Сергеевна, 2018 год

СПИСОК ЛИТЕРАТУРЫ

1. Абрамов, К.Г. Распространение нежелательной информации в социальных сетях Интернета / К.Г. Абрамов, Ю.М. Монахов // Перспективные технологии в средствах передачи информации: Материалы 9-ой международной научно - технической конференции - Владимир: издат. ВлГУ - 2011. - Т. 1. -272с.

2. Агадуллина, Е.Р. Пользователи социальных сетей: современные исследования / Е.Р. Агадуллина // Современная зарубежная психология. - 2015. -Том 4. - № 3. - С. 36-46. [Электронный ресурс]. Режим доступа: doi: 10.17759/ jmfp.2015040305.

3. Ананьева, М. И. О проблеме выявления экстремистской направленности в текстах / М. И. Ананьева, М. В. Кобозева, Ф. Н. Соловьев, И. В.Поляков, А. М. Чеповский // Вестн. Новосиб. гос. ун-та. Серия: Информационные технологии. - 2016. Т. 14. - № 4. - С. 5-13.

4. Барабаши, А.Л. Безмасштабные сети/А.Л. Барабаши, Э. Бонабо // В мире науки. - 2003. - №8. - С. 55-63.

5. Безмасштабная сеть [Электронный ресурс] - Режим доступа: http://poivs.tsput.ru/ru/Math/DiscreteMath/GraphTheory/ScalableNetwork.

6. Белов, Е.Б. Основы информационной безопасности: учебное пособие для вузов / Е.Б. Белов, В.П. Лось, Р.В. Мещяреков, А. А. Шелупанов // М.: Гор. линия-Телеком. - 2006. - 544с.

7. Боев, Б.В. Современные этапы математического моделирования процессов развития и распространения инфекционных заболеваний. Эпидемиологическая кибернетика: модели, информация, эксперименты. / Б.В. Боев // сб. науч. тр. - М.: НИИЭМ им. Н.Ф. Гамалеи АМН. - 1991. - С. 6-14.

8. Васильев, М.В. «Управляемый» хаос как технология неоколониального передела мира [Электронный ресурс] / М.В. Васильев // Концепт. - 2016. - Т. 15. - С. 2161 - 2165. - Режим доступа: http://e-koncept.ru /2016Z96352.htm.

9. Вентцель, Е С. Теория случайных процессов и её инженерные приложения: учебн. пособие для втузов. 2-е изд., стер. / Е С. Вентцель, Л. А. Овчаров. - М.: Высшая школа - 2000. - 383с.

10. Галустов, Г. Г. Моделирование случайных процессов и оценивание их статистических характеристик / Г. Г. Галустов // М.: Радио и связь. - 1999. - 120с.

11. Громов, Ю.Ю. Алгоритм оценки живучести сетевых информационных систем / Ю.Ю. Громов, Ю.В. Минин, М.А. Хорохорин, А.А. Долгов // Промышленные АСУ и контроллеры. - 2014. - №4 - С. 40-46.

12. Громов, Ю.Ю. Надёжность информационных систем: учебное пособие / Ю.Ю. Громов, О.Г. Иванова, Н.Г. Мосягина, К.А. Набатов // Тамбов : Изд-во ГОУ ВПО ТГТУ. - 2010. - 160с.

13. Громов, Ю.Ю. Определение групп негативных внешних воздействий каждого типа на сетевую информационную систему, максимизирующих значение функции ущерба / Ю.Ю. Громов, Ю.В. Минин, М. Аль-Балуши, А.В. Клишина, А.С. Матвеева // Информация и безопасность. Том 16. Ч.2. - 2013. - С. 273-276.

14. Губанов, Д.А. Социальные сети: модели информационного влияния, управления и противоборства: монография / Д.А. Губанов, Д.А. Новиков, А.Г. Чхартишвили; // под общ. ред. Д.А. Новикова. - М.: Издательство физико-математической литературы - 2010. - 228с.

15. Додонов, А.Г. Живучесть информационных систем / А.Г. Додонов, Д.В. Ландэ // К.: Наук.думка. - 2011. - 248с.

16. Доктрина информационной безопасности Российской Федерации (утв. Указом Президента Российской Федерации от 5 декабря 2016 г. №646). [Электронный ресурс] - Режим доступа: https: //www.plusworld.ru/knowledgebase/ cat_zakonodatelstvoinormativnyedokumenty/doktrinainformatsionnoybezopasnostirossi yskoyfederatsirntverzhdenaukazomprezidentarf646-ot/

17. Ефимов, Е.Г. Социальные группы как объект исследования социальных Интернет-сетей / Е.Г. Ефимов // Изв. ВолгГТУ. Серия "Проблемы социально-гуманитарного знания". Вып. 11: межвуз. сб. науч. ст. / ВолгГТУ. -Волгоград, 2012. - № 8 (95). - C. 63-66.

18. Ещенко, А.В. Модель ареала распространения деструктивного контента в сети Facebook для интернет-пользователя Воронежской области / А.В. Ещенко, Е. А. Шварцкопф, А.Г. Остапенко, М.Н. Степанов // Информация и безопасность. - 2018. Том 21. Ч.2. - С. 245-261.

19. Жданова, С.Ю., Особенности репрезентации этнической агрессии в корпусе сообщений пермского сегмента социальной сети «Вконтакте» (Vk. Com) / С.Ю. Жданова, С.Л. Мишланова, В.Б. Поляков, Е.А. Рабчевский // Вектор науки Тольяттинского государственного университета. Серия: Педагогика, психология. -2012. - №4 (11). - С.246-248.

20. Зеленина, О.В. Методика выявления признаков экстремизма. Процессуальные исследования (экспертизы) аудио-, видео- и печатных материалов. Научно-практическое пособие / О.В. Зеленина, П. Е. Суслонов // Екатеринбург, 2009. Уральский юридический институт МВД России. - 2009 [Электронный ресурс] - Режим доступа: http://rudocs.exdat.com/docs/index-74503.html?page=2.

21. Злоказов, К. В. Контент-анализ текстов деструктивной направленности / К. В. Злоказов // Политическая лингвистика. - 2015. - № 1 (51). - С. 244-251.

22. Иванов, С. А. Вычисление областей устойчивости дискретных моделей больших нейронных сетей типа smallworld / С. А. Иванов // Вестн. ЮУрГУ. Сер. Выч. матем. информ. - 2016. - С. 69-75.

23. Измеряем ключевые метрики в социальных сетях [Электронный ресурс] - Режим доступа: http://alfa-content.ru/blog/izmeryaem-klyuchevyemetrikiv-ocialnyx-setyax/.

24. Информация администрации сети RSNet - Сервер государственных органов России [Электронные данные] - Режим доступа: http://www.gov.ru/main/rsnet/page541.html

25. Использование социальной сети Twitter / Сведения о компании [Электронный ресурс] - Режим доступа: https://about.twitter.com/ru/company.

26. Использование Твиттера. Показатели деятельности [Электронный ресурс] - Режим доступа: http://www.tadviser.ru/mdex.php/Компания:Twitter.

27. История развития информационных технологий экстремизма [Электронный ресурс] - Режим доступа: http://orientir365.ru/36-istoriya-razvitiya-informacionnyh-tehnologiy.html.

28. Калашников, А.О. Управление информационными рисками в инновационной России / А.О. Калашников, Д.А. Новиков // Информация и безопасность. - 2013. - № 3. - С. 319-322.

29. Кара-Мурза, С.Г. Революции на экспорт / С.Г. Кара-Мурза // М.: Изд-во Эксмо, 2006. - 199с.

30. Контент-анализ текстов деструктивной направленности [Электронный ресурс] - Режим доступа: http://elar.uspu.rU/bitstream/uspu/1598/1/plin-2015-36.pdf.

31. Кузнецов, О.П. Сложные сети и когнитивные науки. Сборник трудов 17-й Всероссийской научно-технической конференции «Нейроинформатика-2015» / О.П. Кузнецов, Л.Ю. Жилякова // М.: НИЯУ МИФИ. - 2015. - 18с.

32. Лебедева, И. Брокеры «мусорных революций» / И. Лебедева // Оранжевые сети: от Белграда до Бишкека. СПб., - 2008. - 40с.

33. Лось, В.П. Методы и алгоритмы обработки информации в информационно-аналитических системах для анализа развития событий / В.П. Лось, В.Н. Щербинин // Информация и безопасность. - 2018. Том 21. Ч.1. - С. 6674.

34. Лось, В.П. Основы информационной безопасности: учебное пособие для вузов / В.П. Лось, Е.Б. Белов // М.: Гор. линия-Телеком. - 2011. - 558с.

35. Матусевич, А.А. Актуальная лексика социальных сетей как отражение развития интернет-технологий / А.А. Матусевич // Вестн. ВятГГУ. - 2015. - № 7. [Электронный ресурс] - Режим доступа: https://cyberleninka.ru/article/n/aktualnaya-leksika-sotsialnyh-setey-kak-otrazhenie-razvitiya-internet-tehnologiy

36. Методические рекомендации по выявлению признаков пропаганды экстремизма в образовательной среде посредством сети интернет [Электронный

ресурс] - Режим доступа: https://www.tyuiu.ru/wpcontent /uploads/2016/06/NTSPTI_ Metodicheskie-rekomendatsii2015.pdf.

37. Метрики для оценки динамики подписчиков [Электронный ресурс] -Режим доступа: https://texterra.ru/blog/kpi-v-smm-metriki-effektivnosti-marketinga-v-sotsialnykh-setyakh.html.

38. Милова, Е.А. Влияние социальных сетей на психологию личности / Е.А. Милова // Интерэкспо Гео-Сибирь. - 2012. - № 6. [Электронный ресурс] -Режим доступа: https://cyberleninka.ru/article/v/vliyanie-sotsialnyh-setey-na-psiho logiyu-lichnosti.

39. Муромцева, А.В. Проблемы информационной безопасности в социальных сообществах в сети интернет / А.В. Муромцева, В.В. Муромцев // Вестник РГГУ. Серия: Экономика. Управление. Право. - 2016. - № 3 (5). - С. 8491.

40. Муронец, О.В. Контент социальных сетей: тенденции и закономерности / О.В. Муронец // Медиа- скоп. - 2015. - Вып. 3. [Электронный ресурс] - Режим доступа: http://www.mediascope.ru/1812.

41. Назарчук, А.В. О сетевых исследованиях в социальных науках / А.В. Назарчук // МГУ им. М. В. Ломоносова - М.: Типография МГУ. - 2008. - 73с.

42. Новиков, Д.А. Микро- и макромодели социальных сетей. Ч.1 Основы теории / Д.А. Новиков, В.В. Бреер, А.Д. Рогаткин // Проблемы управления. -2014. - № 5. - С. 28-33.

43. Новиков, Д.А. Микро- и макромодели социальных сетей. Ч.2 Идентификация и имитационные эксперименты / Д.А. Новиков, А.В. Батов, В.В. Бреер, А.Д. Рогаткин // Проблемы управления. - 2014. - № 6. - С. 45-51.

44. О видах социальных сетей: классификация и представители [Электронный ресурс] - Режим доступа: https://platinym. livejournal. com/ 2763901.html.

45. Остапенко, А.Г. Атакуемые взвешенные сети / А.Г. Остапенко, Д.Г. Плотников, А.О. Калашников, В.Б. Щербаков, Г.А. Остапенко; под общ. Ред. Д.А. Новикова // Воронеж: Горячая линия - Телеком. - 2017. - 276с.

46. Остапенко, А.Г. Метрики взвешенных сетей / А.Г. Остапенко, Д.Г. Плотников, Ю.Н. Гузев // Информация и безопасность. - 2016. - Т. 19. - № 2. - С. 258-261.

47. Остапенко, А.Г. Метрики деструктивного контента на видеохостинге YouTybe / А. Г. Остапенко, В.Е. Кунавин, В.С. Сидельников, О.А. Остапенко // Информация и безопасность. - 2018. Том 21. Ч.3. - С. 282-289.

48. Остапенко, А.Г. Модель процессов распространения деструктивного контента в региональном интернет пространстве для сети Facebook / А.Г. Остапенко, А.В. Ещенко, Г.А., Остапенко, К.В. Симонов // Информация и безопасность. - 2018. Том 21. Ч.4. - С. 441-455.

49. Остапенко, А.Г. Организация мониторинга постов социальной сети ВКонтакте с помощью интерфейса VKAPI / А.Г. Остапенко, Е.Р. Нежельский, М.Н. Степанов, Е. Ружицкий, А.В. Заряев // Информация и безопасность. - 2018. Том 21. Ч.3. - С. 407-415.

50. Остапенко, А.Г. Социальные сети и деструктивный контент / А.Г. Остапенко, А.В. Паринов, А.О. Калашников, В.Б. Щербаков, А.А. Остапенко; под общ. ред. Д.А. Новикова // Воронеж: Горячая линия - Телеком. - 2017. - 276с.

51. Остапенко, А.Г. Социальные сети и научно-технические предпосылки программы «Безопасный интернет» / А.Г. Остапенко, А.А. Акинина, Г.А. Остапенко, Е.Ю. Чапурин, Н.Ю Щербакова // Информация и безопасность - 2017. - Т.20 - Ч. 4. - С. 522-528.

52. Остапенко, А.Г. Социальные сети как среда распространения деструктивного контента / А.Г. Остапенко, А.В. Паринов, В.Б. Щербаков, О.А. Остапенко, А.О. Девяшин // Информация и безопасность. - 2017. Том 20. Ч.1. - С. 95-100.

53. Остапенко, А.Г. Эпидемии в телекоммуникационных сетях / А.Г. Остапенко, Н.М. Радько, А.О. Калашников, О.А. Остапенко, Р.К. Бабаджанов; под общ. ред. Д.А. Новикова // Воронеж: Горячая линия - Телеком. - 2017. - 284с.

54. Остапенко, Г. А. Информационные риски в социальных сетях: монография / Г. А. Остапенко, Л. В. Паринова, В. И. Белоножкин, И. Л.

Батаронов, К. В. Симонов; под ред. чл.-корр. РАН Д. А. Новикова // - Воронеж: Издательство «Научная книга». - 2013. - 160с.

55. Остапенко, Г.А. Методическое обеспечение оценки и регулирования рисков распределенных информационных систем: учебное пособие / Г. А. Остапенко, Р. В. Менжулин, Д. М. Коваленко // Воронеж. гос. техн. ун-т. - 2011. -178с.

56. Официальный сайт Twitter.com [Электронный ресурс] - Режим доступа: https://twitter.com/.

57. Охапкина, Е.П. Идентификация деструктивной информации в социальных сетях на основе модели векторного пространства / Охапкина Е.П., Охапкин В.П., Казарин О.В. // Сборник научных трудов Российской научной конференции. Интеллектуальные системы в информационной конфронтации. -Издательство ФГБО в РГУ им. Г. В. Плеханова Москва. - 2016. - С. 350-360.

58. Пазельская, А.Г. Метод определения эмоций в текстах на русском языке / А.Г. Пазельская, А.Н. Соловьев // Компьютерная лингвистика и интеллектуальные технологии: сборник научных статей. М.: Издательство РГГУ -2011. - 10 (17). - С. 510-522.

59. Паринов, А.В. Деструктивный контент в сетях для авторских записей: риск-анализ процессов распространения / А.В. Паринов, С.А. Серегин, Д.С. Ступин, О.И. Снегирев, Р.К. Бабаджанов, А.А. Остапенко, С.С. Тихонова // Информация и безопасность. - 2017. - Том 20.- Ч.2. - С. 245-258.

60. Паринов, А.В. Исследование процессов распространения деструктивного контента в социальных сетях для обмена медиаконтентом: SOUNDCLOUD, FLICKR, YOUTUBE / А.В. Паринов, Д.В. Ракшин, С.В, Подопригорин, В.В. Роженко, Р.К. Бабаджанов, А.А. Остапенко, С.С. Тихонова // Информация и безопасность. - 2017. - Том 20. -Ч.2. - С. 231-244.

61. Паринов, А.В. Алгоритмическое обеспечение взаимодействия различных информационных систем в общем информационном пространстве / А.В. Паринов, Д.Г. Плотников, Ю. Штефанович, В.А. Кургузкин // Информация и безопасность. - 2017. - Том 20. -Ч.4. -С. 546-551.

62. Паринов, А.В. Использование аналитического моделирования для описания динамического распространения деструктивного контента в социальных сетях / А.В. Паринов // Информация и безопасность. - 2018. - Том 21. Ч.4. - С. 575579.

63. Паринов, А.В. Микромоделирование взаимного влияния информационных сетей, существующих в общем информационном пространстве /

A.В. Паринов, А.Е. Дешина, Й. Воришек, В.А. Кургузкин // Информация и безопасность. - 2017. -Том 20. Ч.4. - С. 588-591.

64. Паринов, А.В. Регулирование рисков распространения деструктивного контента в сетях для общения / А.В. Паринов, К.В. Зайцев, С.А. Ермолаев, Т.И. Дубинская, А.А. Остапенко, Р.К. Бабаджанов, С.С. Тихонова // Информация и безопасность. - 2017. - Том 20. -Ч.2. - С. 185-200.

65. Паринов, А.В. Риск/шанс-анализ процессов распространения контента в социальных сетях для коллективных обсуждений / А.В. Паринов, А.И. Небольсин, В.С. Лысиков, Д.А. Митченко, Р.К. Бабаджанов, А.А. Остапенко, С.С. Тихонова // Информация и безопасность. - 2017.- Том 20. -Ч.2. - С. 217-230.

66. Паринов, А.В. Сети отзывов и обзоров: анализ процессов распространения деструктивного контента / А.В. Паринов, Д.И. Филиппов, С.И. Уколов, Д.М. Баранов, Р.К. Бабаджанов, А.А. Остапенко, С.С. Тихонова // Информация и безопасность. - 2017. - Том 20. Ч.2. - С. 259-273.

67. Паринов, А.В. Социальные сети как среда распространения деструктивного контента / А.В. Паринов, Д.В. Гусев, Е.А. Автонова, Е.В. Гусев,

B.А. Кургузкин, С.С. Тихонова // Информация и безопасность. - 2017. - Т. 20. -№ 1. - С. 5-38.

68. Паринов, А.В. Социальные сети по интересам: анализ процессов распространения деструктивного контента / А.В. Паринов, Е.А. Шварцкопф, М.А. Тарелкин, С.А. Щеглов, Д.С. Сорокин, Р.К. Бабаджанов, С.С. Тихонова, А.А. Остапенко // Информация и безопасность. - 2017. - Том 20. Ч.2. - С. 201-216.

69. Показатели эффективности социальных сетей [Электронный ресурс] -Режим доступа: https://digistr.ru/stream/pokazateli-effektivnosti-socialnyx-setej/.

70. Поляков, П.Ю. Опыт построения системы автоматического определения тональности объектов на основе синтактико-семантического анализатора / П.Ю. Поляков, М.В. Калинина, В.В. Плешко // Электронные библиотеки. - 2015. - T. 18. - № 3-4. - 185 - 202p.

71. Почему политики полюбили Twitter [Электронный ресурс] - Режим доступа: https://inosmi.ru/world/20150716/229132082.html.

72. Радько, Н.М. Вирусные эпидемии в информационно-телекоммуникационных сетях: оценка вероятности заражения / Н.М. Радько, Е.Н. Пономаренко, А.О. Калашников, Р.К. Бабаджанов // Информация и безопасность. - 2016. - № 1. - Т. 19. - С. 6-23.

73. Райгородский, А. М. Модели интернета / А. М. Райгородский // Долгопрудный: Интеллект. - 2013. - 64с.

74. Региональная политика в 140 символах [Электронный ресурс] -Режим доступа: http://expert.ru/south/2012/16/regionalnaya-politika-v-140-simvolah/.

75. Рубцова, Ю.В. Построение корпуса текстов для настройки тонового классификатора/ Ю.В. Рубцова // Программные продукты и системы. - 2015. - №. 1 (109). - P. 72 - 78.

76. Ружицкий, Е. Алгоритмы противоборства в ходе столкновения текстовых контентов в Интернет-сообществах / Е. Ружецкий, Е.В. Труфанов, Ю.Н. Гузев, Н.И. Баранников, А.В. Заряев, К.В. Симонов // Информация и безопасность. - 2018. - № 4. - Т. 21. - С. 497-509.

77. Салимовский, В. А. Экстремистский дискурс в массовой коммуникации Рунета / В. А. Салимовский, Л. М. Ермакова // Вестник Пермского университета. Российская и зарубежная филология. - 2011. - №. 3(15). - С. 71 -80.

78. Сафронова, В. В. Риск-анализ и прогнозирование ареала распространения деструктивного контента в сообществе «МДК» / В. В. Сафронова, К.В. Сибирко, Й. Воришек, В.И. Белоножкин, Л.В. Паринова // Информация и безопасность. - 2018. -Т. 21.- Ч.3. - С. 399-407.

79. Словарь Twitter терминологии [Электронный ресурс] - Режим доступа: https://webtun.com/socialnetworks/2000-slovar-terminov-tvittera.html.

80. Словарь терминов Твиттера [Электронный ресурс] - Режим доступа: http: //otwi .ru/dictionary/.

81. Смирнов, А.А. Негативный контент: проблемы идентификации в контексте правового регулирования / А.А. Смирнов // Информационное право. -2015. - № 2. - С. 18-25.

82. Социальная сеть Twitter [Электронный ресурс] - Режим доступа: https: //opartnerke.ru/sotsialnaya-set-twitter/.

83. Социальные сети в России, лето 2017: цифры и тренды. [Электронный ресурс] // Социальные сети в России - Режим доступа: https: //matveychev-oleg.livejournal.com/5710346.html.

84. Социальные сети и деструктивный контент экстремизма [Электронный ресурс] - Режим доступа: http://www.techbook. ru/book.php?id_ book=982.

85. Струков, В. С. Риск-анализ явлений кибербуллинга в событийных группах социальной сети ВКонтакте / В.С. Струков, Ю. Штефанович, Л.Г. Попова // Информация и безопасность. - 2018. Том 21. Ч.3. - С. 415-419.

86. Тищенко, В.И. Социальные сети и виртуальные сетевые сообщества / В.И. Тищенко, Л.Н. Верченов, Д.В. Ефременко // М: ИНИОН РАН. - 2013. - С. 360.

87. ТОП-10 метрик в соцсетях [Электронный ресурс] - Режим доступа: https: //smm.artox-media.ru/wiki/kpi-v- sotssetyakh.html.

88. Фаткулин, Б. Г. Использование теории множеств в сравнительно-логических методах выделения текстов на исламскую тематику в процессе мониторинга сетевых ресурсов // Вестн. ЮУрГУ. Серия «Лингвистика». 2016. Т. 13, № 3. С. 22-26.

89. Федеральный закон от 27.12.1991 № 2124-1 (ред. от 25.11.2017) «О средствах массовой информации» Электронный ресурс] - Режим доступа: http://www.consultant.ru/document/cons_doc_LAW_1511/

90. Федеральный закон от 29 декабря 2010 г. N 436-ФЗ "О защите детей от информации, причиняющей вред их здоровью и развитию" Электронный ресурс] - Режим доступа: http://www.consultant.ru/document/cons_doc_ LAW_10 8808/

91. Фильтрация контента в Интернете. Анализ мировой практики (Китай) - 2013 [Электронные данные] - Режим доступа: http://www.daokedao. ru /2013/05/23/filtraciyakontenta-v-internete-analiz-mirovojprakti kikitaj/.

92. Хейл, Г. Президентский режим, революция и демократия [Электронный ресурс] / Г. Хейл // Полит ру. - 2016. Режим доступа:http:// www.polit.ru/article/2008/05/26/hale/.

93. Чем Twitter отличается от социальных сетей [Электронный ресурс] -Режим доступа: http://o-twitter.ru/chem-tvitter-otlichaetsya-ot-ostalnyx-soc-setej.

94. Черняк, Л.М. Сервисы и теории социальных сетей / Л. М. Черняк // Открытые системы. СУБД. - 2008. - № 8. - 78с.

95. Что такое коэффициент вовлеченности [Электронный ресурс] - Режим доступа: http: //diastyle.ru/advancement- site/smm-engagement-rate-2016.

96. Штефанович, Ю. Модели построения и вброса деструктивного контента в региональном интернет-пространстве через социальную сеть для обмена медиаконтентомYouTube / Ю. Штефанович, Ю.О. Гончаров, Д.А. Савинов, Н.И. Баранников, И. Л. Батаронов, В.В. Исламгулова // Информация и безопасность. Том 21. Ч.4. - 2018. - С. 477-491.

97. Эйзенштадт, Ш. Революция и преобразование обществ: Сравнительное изучение цивилизаций / Ш. Эйзенштадт // Аспект-Пресс. - 2014. -416с.

98. Юрасов, В.Г. Построение матрицы чувствительности рисков для субъектов социальной информационной сети / В.Г. Юрасов, Д.М. Коваленко, Г.А. Остапенко // Информация и безопасность. - 2011. Вып. 3. - С. 401-408.

99. Яндекс метрика [Электронный ресурс] - Режим доступа: https:// metrika.yandex .ru.

100. "Уголовно-процессуальный кодекс Российской Федерации" от 18.12.2001 N 174-ФЗ (ред. от 19.02.2018), ч. 1 ст. 57-58.

101. «Рейтинг Twitter» города Воронеж [Электронный ресурс] - Режим доступа: http://twirating.com/city/voronezh.

102. 15 самых популярных аккаунтов политиков в Twitter [Электронный ресурс]. - Режим доступа: http://thekievtimes.ua/lifestyle/435330-15samyxpopu lyarnyx-akkauntov-politikov-v-twitter. html.

103. 145 основных терминов в SMM-продвижении [Электронный ресурс]

- Режим доступа: http://fabrikadialogov.ru/45-terminov-v-smm/.

104. Batagelj, V. Fast algorithms for determining (generalized) core groups in social networks / V. Batagelj, M. Zaversnik // Adv. Data Anal. Classif. - 2012. - Vol. 5.

- P. 129-45.

105. Batov, A.V. Micro- and macromodels of social networks. II. Identification and simulation experiments / A.V. Batov, V.V. Breer, D.A. Novikov, A.D. Rogatkin // Automation and Remote Control. - 2016. - Vol. 77, No. 2. - P. 321-331.

106. Caldarelli, G. Structure of cycles and local ordering in complex networks / G. Caldarelli, R. Pastor-Satorras, A. Vespignani // Eur, Phys. - 2004. - 286p.

107. Carminati, B. Security and Trust in Online Social Networks / B. Carminati, E. Ferrari, M. Viviani // Morgan&Claypool. - 2014. - 109p.

108. Ermakov, S.A. Optimization of expert methods used to analyze information security risk in modern wireless networks / S.A. Ermakov, A.S. Zavorykin, N.S. Kolenbet, A.G. Ostapenko, A.O Kalashnikov // Life Science Journal. - 2014. - № 11(10s). - P. 511-514.

109. Grechnikov, E. A. An estimate for the number of edges between vertices of given degrees in random graphs in the Bollobas-Riordan model / E. A. Grechnikov // Moscow Journal of Combinatorics and Number Theory, 1. - 2011. - №2, - P. 40-73.

110. Gubanov, D. A Influence Levels of Users and Meta-Users of a Social Network / D. A. Gubanov, A.G. Chkhartishvili // Automation and Remote Control. -2018. - Volume 79. - Issue 3. -P. 545-553.

111. Gubanov, D. A. Analysis of User Influence Types in Online Social Networks: An Example of VKontakte. Proceedings of the 11th IEEE International Conference on Application of Information and Communication Technologies (AICT2017, Moscow) / D. A. Gubanov, A.G. Chkhartishvili //. M.: IEEE. - 2017. -Vol. 1. - P. 3-5.

112. Gubanov, D.A Double-threshold Model of the Activity Spreading in a Social Network. Proceedings of the 11th IEEE International Conference on Application of Information and Communication Technologies (AICT2017, Moscow) / D.A. Gubanov, L.Y. Zhilyakova // M.: IEEE. - 2017. - Vol. 2. - P. 267-270.

113. Islamgulova, V.V. Discreet risk-models of the process of the development of virus epidemics in non-uniform networks / V.V. Islamgulova, A.G. Ostapenko,,N.M. Radko, R.K. Babadzhanov, O.A. Ostapenko // Journal of Theoretical and Applied Information Technology. - 2016. - Vol. 86. - No.2. - 306-315 p.

114. Kalashnikov, A.O. Ensuring the security of critically important objects and trends in the development of information technology /, Y.V. Yermilov, O.N. Choporov, K.A. Razinkin, N.I. Barannikov // World Applied Sciences Journal. - 2013. - № 25 (3). - P. 399-403.

115. Matt Burgess Google's using a combination of AI and humans to remove extremist videos from YouTube.19 June 2017 [electronic resource] - Access mode: http://www.wired.co.uk/article/google-youtube-ai-extremist-content.

116. Mbykodzhi, E. Method of automatic classification of short text messages. / E. Mbykodzhi, A.A Dral, I.V Sochenkov // Information technologies and computer systems Moscow - 2012. - №3. - P. 93 - 102.

117. Mislove, A.E. Online Social Networks: Measurement, Analysis, and Applications to Distributed Information Systems: PhD thesis / A.E.Mislove // Houston, Texas: RICE University. - 2014. - P144-188.

118. Newman, M. E. Finding and evaluating community structure in networks / M. E. J. Newman, M. Girvan // Phys. Rev. E 69. - 2004. - P. 53-58.

119. Newman, M. The Structure and Dynamics of Networks / M. Newman, A.L. Baraba'si, D. J. Watts // Princeton Univ. Press. - 2006. - 592p.

120. Newman, M.E. Assortative mixing in networks / M.E. Newman, // Phys. Rev.Lett.89. - 2002. - 4p.

121. Newman, M.E. Coauthorship networks and patterns of scientific collaboration / M.E. Newman // ProcNatlAcadSci U S A [electronic resource] - Access mode: http: //www.pnas .org/content/101 /suppl_1/5200.

122. Number of monthly active Twitter users worldwide from 1st quarter 2010 to 3rd quarter 2016 [electronic resource] - Access mode: https://www.statista. com/statistics/282087/number-of-monthly-active-twitter-users/.

123. Ostapenko, A.G. The usefulness and viability of systems: Assessment methodology taking into account possible damages / A.G. Ostapenko, E.F. Ivankin, V.S. Zarubin, A.V. Zaryaev // World Applied Sciences Journal. - 2013. - 25 (4). - P. 675-679.

124. Ostapenko, G.A. Analytical estimation of the component viability of distribution automated information data system / G.A. Ostapenko, D.G. Plotnicov, O.Y Makarov, N.M. Tikhomirov, V.G. Yurasov // World Applied Sciences Journal. - 2013.

- 25 (3). - P. 416-420.

125. Ostapenko, G.A. Analytical models of information-psychological impact of social information networks on users / G.A. Ostapenko, L.V. Parinova, V.I. Belonozhkin, I.L. Bataronov, K.V. Simonov // World Applied Sciences Journal. - 2013.

- 25 (3). - P. 410-415.

126. Parinov, A. V. Risk models of destructive content diffusion between social network communities / A. V. Parinov, E. A. Shvartskopf, L. G. Popova, I. L. Bataronov, N. N. Tolstykh // AP - International Journal of Pure and Applied Mathematics. - 2018 - V. 119.- No. 15. - P. 2605-2609.

127. Parinov, A. V. Risk-simulation of processes of distribution of destructive content on social network taking into account its growth / A. V. Parinov, E. A. Shvartskopf, , V. S. Zarubin, A. V. Zariaev N. I. Barannikov // AP - International Journal of Pure and Applied Mathematics. - 2018 - Volume 119 No. 15 - P. 2633-2637.

128. Parinov, A. V. Social Information Networks: Models Of Internetwork Malicious Content Diffusion/ A. V. Parinov, E. A. Shvartskopf, , L. V. Parinova, K. A.

Razinkin, V. I. Belonozhkin // AP - International Journal of Pure and Applied. - 2018 -Volume 119 No. 15 - P. 2639-2643.

129. Pastor-Satorras, R. Dynamical and correlation properties of the Internet / R. Pastor-Satorras, A. Va'zquez, A. Vespignani, // Phys. Rev. Lett. 87. - 2001. - 4p.

130. Pastor-Satorras, R. Epidemic spreading in scale-free networks / R. Pastor-Satorras, A. Vespignani, // Phys. Rev. Lett. 86. - 2001. - P. 3200-3203.

131. Pastor-Satorras, R. Evolution and Structure of the Internet: A Statistical Physics Approach / R. Pastor-Satorras, A. Vespignani, // Cambridge Univ. Press. -2004. - 284p.

132. Plotnikov, D.G. Extended formalization of the description of networks and network conflicts / D.G. Plotnikov, Y.N. Guzev, Y.K. Yazov, E.N. Ponomarenko, V.N. Kostrova // International Journal of Control Theory and Applications. - 2016. - Vol. 9. - No.30. - P. 321-335.

133. Ponomarenko, E.N. Discrete risk models of the process of viral epidemics development in homogenous information and telecommunication networks / E.N. Ponomarenko, V.N. Kostrova, R.K. Babadzhanov, Y.N. Guzev, V.S. Zarubin // Journal of Theoretical and Applied Information Technology. - 2016. - Vol. 92. - No.2. - P. 235-252.

134. Radko, N.M. Peak risk assessing the process of information epidemics expansion / N.M. Radko, A.G. Ostapenko, S.V. Mashin, O.A. Ostapenko, A.S. Avdeev // Biosciences Biotechnology Research Asia. - 2014. - Vol. 11 (Spl.End). - P. 251-255.

135. Shvartskopf, E. A. Modeling of layering growth virus epidemic and spread of harmful content on poisson networks / E. A. Shvartskopf, A. V. Zaryaev, L. V. Parinova, L. G. Popova // Research journal of pharmaceutical, biological and chemical sciences. - 2016. - V. 7. No: 4. - P. 2321-2331.

136. Social network analysis of Twitter [electronic resource] - Access mode: http://www.mediative.com/social-network-analysis-twitter/.

137. The Twitter Project Page at MPI-SWS [electronic resource] - Access mo de: http: //twitter. mpi-sws.org/.

138. Twitter (MPI). The Koblenz Network Collection [electronic resource] -Access mode: http://konect.uni-koblenz.de/networks/twitter_mpi.

139. Twitter Network analysis [electronic resource] - Access mode:http: // konect.uni -koblenz.de/networks/munmun_twitterex_at.

140. Twitter-2010. Laboratory for Web Algorithmics [electronic resource] -Access mode: http: //law.di .unimi .it/webdata/twitter-2010/.

Основные результаты диссертации опубликованы в следующих работах Публикации в изданиях по перечню SCOPUS

141. Sokolova, E. S. Algorithm of Generation of Scale-Free Network at Realization Virus Attacks on Model Chiang Lu. / E. S. Sokolova, N. I. Barannikov, I. L. Bataronov, V.I. Belonozhkin // Research Journal of Pharmaceutical, Biological and Chemical Sciences. - 2016. - P. 2438-2447.

142. Parinov, A. V. Risks of multinetwork world order and monitoring of social networks regarding detection of destructive content / A. V. Parinov, E. S. Sokolova, A.O. Kalashnikov, N. M. Tikhomirov, E. Y Chapurin // AP - International Journal of Pure and Applied Mathematics. - 2018. - Volume 119, № 15. - P. 2587-2591.

143. Parinov, A. V. Destructive content in multinetwork socio-informative space: formalization of the procedure of detection / A. V. Parinov, E. S. Sokolova, V. G. Urasov, N. N. Tolstykh, V. V. Filatov // Журнал AP - International Journal of Pure and Applied Mathematics. - 2018. - Volume 119, № 15. - P. 22651-2655.

Публикации в изданиях, рекомендованных перечнем ВАК РФ

144. Паринов, А.В. Анализ и регулирование процессов распространения контента в социальных сетях digg, slashdot, bibsonomy / Паринов А.В., Кулаков Е.И., Колмаков В.В., Очерет А.В., Соколова Е.С., Бабаджанов Р., Остапенко А.А.,

Тихонова С.С. // Информация и безопасность. - 2017. - Т. 20. - № 2 (4). -С. 273284.

145. Разгоняев, А.Н. Социальная сеть twitter: структурно -функциональный анализ процессов распространения контента / Разгоняев А.Н., Соколова Е.С., Куликов С., Рахманин Д.Н., Штефанович Ю. // Информация и безопасность. - 2017. - Т. 20. - № 4 (4).- С. 508-515.

146. Соколова, Е.С. Алгоритм генерации безмасштабной сети при реализации вирусных атак по модели Чанг Лу / Соколова Е.С., Шварцкопф Е.А. // Информация и безопасность. - 2016. - Т. 19. - № 2. -С. 284-285.

147. Соколова, Е.С. Сети социальных закладок в условиях распространения вредоносного контента / Соколова Е.С., Доросевич О.В., Кострова В.Н., Паринов А.В. // Информация и безопасность. - 2016. - Т. 19. - № 4 (4). С. 457-464.

148. Соколова, Е.С. Анализ разновидностей сетей социальных закладок в контексте распространения вредоносного контента / Соколова Е.С., Доросевич О.В., Кострова В.Н., Паринов А.В. // Информация и безопасность. - 2016. - Т. 19. - № 4 (4). -С. 487-492.

149. Новиков, Д.А. Информационные риски и эпистойкость безмасштабных сетей / Новиков Д.А., Калашников А.О., Остапенко А.Г., Остапенко О.А., Плотников Д.Г., Соколова Е.С., Уразов М.Ю. // Информация и безопасность. - 2015. - Т. 18. - № 1.- С. 5-18.

150. Остапенко, А.Г. Моделирование целенаправленных атак социальных информационных сетей / Остапенко А.Г., Шварцкопф Е.А., Соколова Е.С. // Информация и безопасность. - 2015. - Т. 18. - № 2.- С. 298-301.

151. Соколова, Е.С. Риск-анализ информационных эпидемий в соцсетях с различным влиянием пользователей / Соколова Е.С., Гузев Ю.Н., Батаронов И.Л., Белоножкин В.И. // Информация и безопасность. - 2015. - Т. 18. -№ 4. -С. 516519.

Публикации в других изданиях

152. Соколова, Е.С. Сеть социальных закладок bibsonomy: структурно -функциональные особенности анализа процессов распространения контента / Соколова Е.С., Колмаков В.В., Паринов А.В., Москалева Е.А., Толстых Н.Н., Куликов С.С. // Управление информационными рисками и обеспечение безопасности инфокоммуникационных систем. - 2017. - Т. 15. - № 1. - С. 20-35.

153. Остапенко, Г.А. Информационно-психологические аспекты сетевого противоборства и контроль социальных сетей / Остапенко Г. А., Соколова Е.С., Щербакова Н.Ю., Тихомиров Н.М., Плотников Д.Г. // Управление информационными рисками и обеспечение безопасности инфокоммуникационных систем. -2017. - Т. 15. - № 1. - С. 54-63.

154. Плотников, Д.Г. Имитационные модели вирусных атак на сети безмасштабной структуры // Плотников Д.Г., Уразов М.Ю., Соколова Е.С., Щербакова Н.Ю. / Управление информационными рисками и обеспечение безопасности инфокоммуникационных систем. - 2015. - Т. 7. - № 1. - С. 94-119.

155. Соколова, Е.С. Расчет ущерба для веерно-расходящейся информационной эпидемии в сети Twitter / Е.С. Соколова, К.А. Разинкин // Сб. тр. победителей конкурса научно-исследовательских работ студентов и аспирантов ВГТУ по приоритетным направлениям развития науки и технологий. - 2018. - C. 243-245.