مدلسازی نوع محور در حفظ حریم خصوصی در شبکه های اجتماعی

سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 551

فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

RSTCONF01_535

تاریخ نمایه سازی: 30 آبان 1394

چکیده مقاله:

با توجه به کاربردهای روزافزون شبکه های اجتماعی در سال های اخیر، لزوم حفظ حریم خصوصی افراد و حفاظت از اطلاعات حساس در شبکه های اجتماعی در برابر مهاجمان و یا افرادی که نباید اجاره ی دسترسی به اطلاعات درخواستی را داشته باشند از جمله چالش های پیش روی مدیریت این شبکه هاست. اگرچه الگوریتم ها وروش های نظری چندی در این باب مطرح گشته اند اما بسیاری از آن ها همچنان بر پایه ی مدل قدیمی رابطه ای پایگاه داده ها عمل می نمایند که این مدل در حال حاضر جوابگوی حجم اطلاعات تولید شده در شبکه های اجتماعی نیست. همچنین این الگوریتم هاعموما با کلی سازی شبکه ودر طی فرایند بی نام سازی منجر به از دست رفتن اطلاعات مفید و یا نهفته ساختن بیش از حد آن ها می گردند. همچنین الگوریتم های مطرح شده عموما بحث برچسب گذاری شبکه را که روشی نسبتا جدید در گراف های شبکه است در مفروضات خود لحاظ نکرده و دیگر اینکه برای یک مدل خاص از شبکه ی اجتماعی کاربرد دارند. در مقآله ی حاضر مدلی برای حفظ حریم خصوصی در شبکه های اجتماعی پیشنهاد میگردد که علاوه بر لحاظ نمودن برچسب گره ها و یال ها، مختص یک نوع شبکه ی اجتماعی نبوده بلکه با بخش بندی نوع شبکه های اجتماعی، عنصرحساس را که در پرس و جوهای مهاجم بسته به نوع شبکه درخواست می شود تشخیص داده و به بلاک ساختن فرامین ترجمه شده ی مطالق با درخواست کاربر و حفاظت از اطلاعات می پردازد. مدل پیشنهادی در نرم افزار پایگاهی گراف محور Noe4j مدلسازی و تحت فرامین Cypher صورت گرفته است.

کلیدواژه ها:

حفظ حریم خصوصی ، حملات به شبکه های اجتماعی ، شبکه های اجتماعی

نویسندگان

مهدیه حسن پورچوبر

دانشجوی کارشناس ارشد کامپیوتر- نرم افزار، دانشگاه آزاد اسلامی واحد رشت

فاطمه احمدی آبکناری

استادیار ، دکترا، فناوری اطلاعات، دانشکده ی فنی دانشگاه پیام نور رشت

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :