МЕТОДИКА ПОБУДОВИ ТА АНАЛІЗУ МЕРЕЖІ ЗВ’ЯЗКІВ ДЖЕРЕЛ ІНФОРМАЦІЇ
DOI: 10.31673/2786-8362.2024.021324
Анотація
У сучасному кіберпросторі моніторинг та аналіз інформаційних потоків
набувають критичного значення для запобігання кіберзагрозам та виявлення дезінформаційних
кампаній. В умовах збільшення кількості кіберзагроз важливою задачею є визначення впливу
ключових інформаційних джерел та аналіз зв’язків між джерелами, які публікують матеріали з
кібербезпеки. У статті пропонується методика побудови мережі зв’язків між джерелами інформації,
що ґрунтується на графах горизонтальної видимості з часовими обмеженнями, яка дозволяє
аналізувати тематичну схожість та часову близькість публікацій, що дає змогу виявляти ключові
джерела інформації та визначати ймовірних ініціаторів інформаційних та кібератак. Розроблено
критерії для встановлення зв’язків між джерелами на основі тематичної схожості та часової
близькості, що є ключовим для аналізу поширення інформації у реальному часі. Удосконалено
алгоритм побудови графу горизонтальної видимості для формування мережі інформаційних
джерел, який одночасно враховує тематичну схожість і близькість у часі публікацій. Запропоновано
використання мережевих метрик, таких як центральність та PageRank, що дозволяє оцінювати
авторитетність інформаційних джерел у контексті конкретних тем і часових інтервалів, що значно
покращує розуміння структури інформаційних потоків. Запропонований підхід не лише сприяє
виявленню кіберзагроз та дезінформаційних кампаній, але й оцінює авторитетність ресурсів, що є
важливим для підвищення рівня кібербезпеки. Результати експериментів показали високу точність
методу виявлення ключових джерел та аналізу їхньої ролі у поширенні інформації.
Ключові слова: інформаційний потік, дезінформаційна кампанія, граф горизонтальної
видимості, мережа зв’язків, тематична схожість, часові обмеження, авторитетність інформаційного
джерела, алгоритм побудови мережі, метрики мережевої впливовості
Список використаної літератури:
1. Lacasa, L., Luque, B., Ballesteros, F., Luque, J., Nuno, J. C. From time series to complex
networks: The visibility graph // Proceedings of the National Academy of Sciences. 2008. vol. 105,
no 13. P. 4972-4975. DOI: 10.1073/pnas.0709247105.
2. Luque, B., Lacasa, L., Ballesteros, F., Luque, J. Horizontal visibility graphs: Exact results for
random time series // Physical Review E—Statistical, Nonlinear, and Soft Matter Physics. 2009. vol.
80, no 4. DOI: 10.1103/PhysRevE.80.046103.
3. Lande, D. V., Snarskii, A. A., Yagunova, E. V., Pronoza, E. V. The use of horizontal visibility
graphs to identify the words that define the informational structure of a text // 2013 12th Mexican
International Conference on Artificial Intelligence. IEEE, 2013. P. 209-215. DOI:
10.1109/MICAI.2013.33.
4. Donner, R. V., Heitzig, J., Donges, J. F., Zou, Y., Marwan, N., Kurths, J. The geometry of
chaotic dynamics – A complex network perspective. The European Physical Journal B. 2010. vol. 84,
no. 4, P. 653–672. DOI: 10.1140/epjb/e2010-00108-2.
5. Malling, M. Sources that trigger the news: Multiplexity of social ties in news discovery.
Journalism Studies. 2021. vol. 22, no 10. P. 1298-1316. DOI: 10.1080/1461670X.2021.1951331.
6. Kleinberg, J. M. Authoritative sources in a hyperlinked environment. Journal of the ACM
(JACM). 1999. vol. 46, no 5. P. 604-632. DOI: 10.1145/324133.324140.
7. Langville, A. N., Meyer, C. D. Google's PageRank and beyond: The science of search engine
rankings. Princeton university press, 2006. DOI: 10.1515/9781400830329.
8. Sallinen, S., Luo, J., & Ripeanu, M. Real-time pagerank on dynamic graphs // Proceedings of
the 32nd International Symposium on High-Performance Parallel and Distributed Computing. 2023.
С. 239-251. DOI: 10.1145/3588195.3593004.
9. Lande, D., Snarskii, A., Dmytrenko, O., & Subach, I. Relaxation time in complex network //
Proceedings of the 15th International Conference on Availability, Reliability and Security, ARES '20,
2020. pp. 1–6. DOI: 10.1145/3407023.3409231.
10. Dodonov, A., Lande, D., Tsyganok, V., Andriichuk, O., Kadenko, S., Graivoronskaya, A.
Information Operations Recognition. From Nonlinear Analysis to Decision-Making. LAP Lambert
Academic Publishing, 2019. 292 p. ISBN-13: 978-620-0-27697-1.
