بخشی از مقاله
چکیده
شبکه های اجتماعی آنلاین به بخش مهمی از فعالیت های آنلاین در وب تبدیل شده اند و جزء یکی از رسانه های پر نفوذ هستند.شبکه های اجتماعی آنلاین با فاصله فیزیکی نامحدود به کاربران وب، ابزارهای جالب جدیدی برای برقراری ارتباط، تعامل و معاشرت ارائه می دهند. در حالی که این شبکه ها به اشتراک گذاری داده ها را به صورت مکرر ایجاد می کنند و ارتباطات بین کاربران را فورا ممکن می سازند ، مسائل مورد بحث بسیاری مربوط به حریم خصوصی وجود دارد که آشکار می شود.یکی از این مسائل این است که چگونه از حمله به حریم خصوصی جلوگیری کنیم هنگامی که اطلاعات شخصی بسیار زیادی در دسترس باشد.در این مقاله ما به مسائل مربوط به حریم خصوصی افراد در شبکه های اجتماعی می پردازیم که با توسل به تجزیه و تحلیل شبکه های اجتماعی و روش های لینک کاوی این کار را انجام میدهیم. همچنین به توصیف بازنمودهای مشترک اساسی شبکه های اجتماعی می پردازیم،پس از آن، نشان می دهیم که چگونه حمله به حریم خصوصی می تواند در تجزیه و تحلیل شبکه های اجتماعی و تکنیک لینک کاوی برای فاش کردن اطلاعات حساس کاربر تاثیر بگذارد.
کلمات کلیدی
شبکه های اجتماعی آنلاین،حریم خصوصی ، لینک کاوی ، گراف و تهدیدات حریم خصوصی
-1 مقدمه
در چند سال گذشته، شبکه های اجتماعی آنلاین با تجربه، رشد نمایی در تعدادی از کاربران خود داشته و در مقدار عظیمی از اطلاعات دسترس پذیر بوده است. بسیاری از شبکه های اجتماعی آنلاین مانند Facebook ،LinkedIn،Google+ و Twitter به کاربران وب ابزارهای جالب جدید برای برقراری ارتباط و اشتراک گذاری اطلاعات ارائه می دهند. با گسترش شبکه های اجتماعی آنلاین، به اشتراک گذاری اطلاعات در این شبکه ها به اهمیت روز افزون آنها تبدیل شده است. بدیهی است که شبکه های اجتماعی آنلاین راه مبتکرانه برای جمع آوری داده ها از طریق معاشرت و ارتباط با کاربران پیدا کرده اند. جای تعجب نیست، هنگامی که کاربران اجتماعی در
×
ارتباط و تعامل هستند،و تمایل به فاش کردن اطلاعات شخصی خود بصورت آزادانه را دارند. برای کنترل دسترسی به این اطلاعات شخصی و برای به اجرا درآوردن حفاظت از آن، شبکه های اجتماعی آنلاین از تعدادی مکانیسم های کنترل ساخته شده استفاده کردند و آن را ترویج می کنند . [1] با این حال، کاربران شبکه های اجتماعی اغلب موفق نیستند که به طور کامل از پروفایل هایشان محافظت کنند و داده های شخصی از اشکال نامطلوب دسترسی به آن شده است. شبکه های آنلاین اجتماعی ممکن است از طراحی درگیری مسائل رنج می برند مانند امنیت و حریم خصوصی در مقابل قابلیت ها و جامعه پذیری و ممکن است عمدا یا به طور تصادفی اطلاعات کاربران را برای اشخاص غیر مجاز و یا اشخاص ثالث فاش کنند[2] .در ادامه ما در مورد حریم خصوصی در شبکه های اجتماعی که یکی از جذاب ترین چالش های شبکه های اجتماعی است بحث می کنیم. ما همچنین بر اهمیت داده های شبکه
های اجتماعی تمرکز می کنیم و توضیح می دهیم که چگونه تجزیه و تحلیل شبکه و روش های داده کاوی ،در فهم رفتار کاربران و شبکه ها مفید است و یک منبع می تواند به خطر حفظ حریم خصوصی تبدیل شود.
-2 شبکه های اجتماعی
-1-2 یک شبکه اجتماعی چیست ؟
یک شبکه اجتماعی، یک ساختار اجتماعی است که از گرههایی (که عموما فردی یا سازمانی هستند) تشکیل شده است که توسط یک یا چند نوع خاص از وابستگی به هم متصلاند. به بیان دیگر، یک شبکه اجتماعی سایت یا مجموعه سایتی است که به کاربرانی که دوست دارند علاقهمندیها ، افکار، فعالیتهای خودشان را با دیگر به اشتراک بگذارند و دیگران هم با آنان به اشتراک بگذارند. شبکه ها به مدل بسیاری از سیستم های پرکاربرد استفاده شده اند مانند وب جهانی ، شبکه های کامپیوتری ، شبکه های بیوشیمیایی ، شبکه های پخش و شبکه های اجتماعی. هر یک از این شبکه ها یک ساختار است که شامل مجموعه ای از بازیگران به نمایندگی از آنها است. به عنوان مثال، صفحات وب بر روی شبکه جهانی وب یا افراد در یک شبکه اجتماعی، با هم توسط روابط متصل، به نمایندگی از پیوندهای بین صفحات وب و یا دوستی بین افراد ارتباط دارند. علاوه بر این خواص ساختاری (بازیگران و روابط)، شامل تعدادی از مفاهیم اساسی مانند روابط، زوج، زیرگروهها، و گروه هایی که شبکه ها مشخص اند هستند.
-2-2 شبکه های اجتماعی آنلاین
مهمترین هدف شبکههای اجتماعی گسترش ارتباطات میان فردی است. شبکههای اجتماعی آنلاین، عموما سرویس های مبتنی بر وب هستند. سرویس آنلاین، پلتفرم یا سایتی محسوب می شوند که مردم در آنها می توانند، نظرات، علاقه مندی ها و در یک کلام محتوا ایجاد و با دوستان و سایرین به اشتراک بگذارند. شبکههای اجتماعی آنلاین ، بهخصوص آنهایی که کاربردهای معمولی و غیرتجاری دارند، مکانهایی در دنیای مجازی هستند که مردم خود را بهطور خلاصه معرفی میکنند و امکان برقراری ارتباط بین خود و همفکرانشان را در زمینههای مختلف مورد علاقه فراهم میکنند.
کنند. ماتریس ها عمدتا برای شبکه های کوچک کارآمد می باشد. در نتیجه، با توجه به اندازه بزرگ شبکه های اجتماعی، ماتریس ها مناسب ترین راه برای نشان دادن این شبکه ها نیستند. برای نشان دادن یک شبکه اجتماعی با استفاده از ماتریس، یک ماتریس دو طرفه، که sociomatrix نامیده می شود، می تواند مورد استفاده قرار گیرد. sociomatrix شامل سطر و ستون است که دلالت بر بازیگران اجتماعی دارد، و شماره و یا نمادها در سلولی که دلالت بر روابط موجود هستند.در شکل 1 نمایش شبکه اجتماعی را به هر سه روش نشان داده ایم.
شکل : (1) نمایش شبکه های اجتماعی
بنابراین، بازنمایی مبتنی بر گراف به مراتب رایج ترین شکل برای مدل سازی شبکه های اجتماعی است .[3] نمایش گرافیکی شبکه های اجتماعی باعث تسهیل درک، برچسب زدن و مدل سازی خواص بسیاری از این شبکه ها است. از این رو، گراف ها می توانند خواص مختلف داده های اجتماعی و ویژگی های خودشان را نشان دهند. جزئیات بیشتر در مورد مزایا و معایب هر یک از مدل ها در جدول زیر ارائه شده است.
جدول : (1) نوع نمایش شبکه های اجتماعی(مزایا و معایب)
-3-2 چگونه یک شبکه اجتماعی را نشان دهیم ؟
پیدا کردن نماینده ای مناسب که می تواند تسهیل کارآمد و دقیق تفسیر داده های شبکه را نشان دهد، یک گام مهم در مطالعات شبکه های اجتماعی است. فقط گراف ها به عنوان مجموعه ای از گره های به هم پیوسته هستند ،شبکه های اجتماعی بر پایه و اساس بازیگران متصل از طریق روابط ساخته شده است. استفاده از گراف یک ابزار قدرتمند بصری و وسیله رسمی برای نشان دادن شبکه های اجتماعی بکار برده شده است.
-1-3-2 چرا گراف ها ؟
نمادهای بسیاری برای نشان دادن شبکه های اجتماعی وجود دارد: نمادهای جبری، ماتریس، و گراف. شبکه های اجتماعی روابط ارزشی و ویژگی های مربوط به کاربر را نگه می دارند که نمادهای جبری نمی توانند آنها را اداره
معایب
نمی تواند روابط با ارزش و ویژگی های مربوط به کاربر را تحمل کند.
بهترین انتخاب برای شبکه های اجتماعی بزرگ نیست.
برای استفاده دشوار است هنگامی که داده های شبکه شامل اطلاعات در صفات باشند. تکنیک های تجسم
مزایای استفاده نوع نمایش
مفید برای شبکه های چند
رابطه ای که به کمک آنها می نمادهای
توان براحتی ترکیبی از روابط جبری
را نشان داد.
کارآمد برای شبکه های
کوچک ماتریس ها
آسان برای نشان دادن روابط
بین مجموعه ای از عامل ها
(یک ماتریس برای هر رابطه)
مسئولیت رسیدگی به شبکه
های اجتماعی بزرگ
مقیاس پذیر مورد نیاز است.
گراف های علامت دار و با ارزش دارند که مورد استفاده قرار می گیرد برای نشان دادن روابط با ارزش
واژگان غنی که به راحتی
شبکه های اجتماعی را مدل گراف ها
می کند، فراهم می کند.
(برچسب، ارزش ها، وزن، و
غیره)
عملیات ریاضی را فراهم می
کند که که می تواند برای
تعیین کمیت خواص ساختاری
و اثبات قضایای مبتنی بر
گراف استفاده شود شکل : (2) گراف های جهت دار و بدون جهت
-2-3-2 نمایش گراف
گراف ها معمولا برای نمایش شبکه ها در زمینه های مختلف از قبیل زیست شناسی، جامعه شناسی و علوم کامپیوتر مورد استفاده قرار می گیرند .[4] گرافها از گره ها برای نشان دادن بازیگران تشکیل شده اند ، و لبه ها برای نشان دادن روابط. شرایط گره ها و اشیاء معمولا به معنی بازیگران استفاده می شود. به همین ترتیب، لبه ها نیز ممکن است پیوند ها یا روابط نامیده شود. گره ها با لبه های متعدد برای نشان دادن جفت روابط از بازیگران مربوط با بیش از یک رابطه استفاده می شود. بیشتر به طور رسمی، یک گراف( G = (V, E ،شامل مجموعه ای از گره ها V، و مجموعه ای از لبه ها ، E است. تعداد عناصری که در V و E هستند، به ترتیب اشاره به n =││ V ││ تعداد گره ها وm = ││E││ تعداد لبه ها دارد. برای نشان دادن اشکال مختلف از داده ها و برای مدل خواص ساختاری از شبکه های اجتماعی،گراف ها می توانند لبه داشته باشند و گره ها برچسب دار یا بدون برچسب باشند ، وزن دار یا بدون وزن باشند و که در ادامه توضیح می دهیم.
-3-3-2 گراف های جهت دار و بدون جهت
در گراف بدون جهت ، ترتیب رئوس متصل به لبه مهم نیست. ما به هر لینک توسط یک زوج به گره i و j مانند E(I,j) و یا eij، مراجعه می کنیم i و j پایان گره ها از لینک هستند. گرافی جهت دار است که توسط مجموعه ای از گره ها و مجموعه ای از لبه های جهت دار تعریف شده باشد. ترتیب دو گره مهم است: eij نشان دهنده لینک از i به j ، و و . eij ≠ EJi جهت لینک ها را گرافیکی نشان می دهند و لبه های جهت دار توسط فلش به تصویر کشیده است . بسته به نوع ماهیت ارتباط (نامتقارن و یا متقارن)، نمودار شبکه اجتماعی را می توان بدون جهت و یا جهت دار نشان داد . در واقع، شبکه های اجتماعی را می توان به عنوان گراف های بدون جهت مدل کرد هنگامی که روابط بین بازیگران متقابل هستند . (به عنوان مثال، روابط متقارن در فیس بوک جایی که eij یا eji هر دو معنی یک لینک دوستی بین کاربرi و کاربر.( J شبکه های اجتماعی نیز می تواند به عنوان گراف جهت دار مدل سازی کرد هنگامی که روابط دو طرفه نیستند. در شکل 2 به ترتیب، یک نماینده از گراف بدون جهت و گراف جهت دار که هر دو با N = 5 (تعداد گره) و M = 6 (تعداد یال) هستند را نشان می دهیم.
-4-3-2 گراف های برچسب دار و بدون برچسب
برچسب ها مهم هستند زیرا آنها می توانند به نوع روابط بین شناسایی بازیگران شبکه های اجتماعی باشند. هنگامی که گراف ها برچسب گذاری می شوند ، این بدان معنی است که یک برچسب استفاده می شود برای نشان دادن نوع لینک که ارتباط بین گره های متصل به برچسب مشخص می شود. شکل 3 یک گراف برچسب دار که در آن نوع ارتباط بین بازیگران مرتبط نشان داده شده است را نشان می دهد. در شبکه های اجتماعی، ارتباط را می توان برای سازماندهی اطلاعات تماس بر اساس نوع ارتباط آنها استفاده کرد.
شکل : (3 ) گراف برچسب دار
-5-3-2 گراف های وزن دار و بدون وزن
وزن نشان دهنده قدرت روابط بین بازیگران شبکه های اجتماعی است. هنگامی که گراف ها وزن دار هستند ، این بدان معنی است که لبه های آنها با اختصاص وزن عددی W است ، که می تواند نشانه های مختلف از قبیل ظرفیت لینک ارائه ، قدرت لینک ، سطح تعامل یا شباهت بین گره های متصل ( به عنوان مثال،تعداد پیام هایی که بازیگران رد و بدل کرده اند و تعداد دوستان مشترک) را نشان دهد. شکل 4 یک گراف وزن دار (در مقیاس 0 تا (10 را نشان می دهد که در آن مقادیر عددی به لینک اختصاص داده و سطحی از تعامل بین بازیگران شبکه اجتماعی را نشان می دهد.
شکل : (4) گراف وزن دار
-3 داده های شبکه های اجتماعی
شبکه های اجتماعی به پلت فرم مهمی برای اتصال کاربران، به اشتراک گذاری اطلاعات و منبع ارزشمندی از داده های شبکه اجتماعی تبدیل شده اند. بنابراین، در دسترس بودن چنین داده هایی نشان دهنده فرصتی برای برای مطالعه مردم و تجزیه و تحلیل این شبکه ها است. با این حال، منابع مختلف داده ها در شبکه های اجتماعی نه تنها به عنوان درک مجموعه ای از ارزش ها و مخازن دانش است، بلکه در دسترس بودن آنها تبدیل به شکلی از تهدید می شود و به وسیله آنها می توان توسط مهاجمان به افشای اطلاعات مختلف حساس پرداخت.
-1-3 داده ها چگونه جمع آوری شده اند؟
به طور سنتی، بسیاری از داده های شبکه های اجتماعی از طریق پرسشنامه به منظور مطالعه شبکه ها جمع آوری می شوند. این مطالعات می تواند بصورت مصاحبه چهره به چهره ،نظرسنجی تلفنی و یا پرسشنامه مبتنی بر کامپیوتر انجام شود.این روش های مرسوم، دارای محدودیت های بسیاری از نظر مقیاس پذیری، ذهنیت، تناقض و غیره می باشد.امروزه استفاده از روش استخراج داده های الکترونیکی در جمع آوری داده های شبکه های مرتبط سودمند بوده است، و موفقیت خود را به گسترش حوزه های مختلف نشان داده است.[5] بسیاری از سیستم های شبکه های اجتماعی توسعه یافته برای جمع آوری داده ها و و تجزیه و تحلیل ساخته شده اند. در حال حاضر، شبکه های اجتماعی به کاربران برای تبادل انواع اطلاعات از جمله پیام ها، عکس ها و مطالب را اجازه می دهد.
