غلامرضا بازدار - دانشجوی دکتری، دانشگاه امام حسین (ع)، تهران، ایران
محمد عبداللهی ازگمی - استاد، دانشگاه علم و صنعت، تهران، ایران

گسترش شتابان استفاده از شبکه های اجتماعی برخط در میان جامعه، زمینه مستعدی برای اجرای عملیات های نفوذ شناختی و اجتماعی را فراهم آورده است. طرح ریزی و اجرای بهینه عملیات نفوذ، وابسته به داشتن یک چارچوب مناسب جهت ارزیابی این عملیات است. ارزیابی عامل ها و بازیگران موثر در عملیات نفوذ از ملزومات اصلی ارزیابی عملیات نفوذ است. با توجه به پویایی شبکه های اجتماعی برخط و تولید روزافزون داده های انبوه در آن، استفاده از رویکرد محاسباتی جهت ارزیابی عملیات نفوذ ضروری است. لذا هدف این تحقیق، یافتن مدلی محاسباتی جهت ارزیابی عامل های عملیات نفوذ در شبکه های اجتماعی برخط است. به طورکلی روش های ارزیابی نفوذ عامل را می توان به سه دسته کلی ارزیابی کیفی، ارزیابی کمی و ارزیابی محاسباتی تقسیم کرد. روش های ارزیابی محاسباتی را می توان به دو دسته ی روش های مبتنی بر یادگیری ماشین و روش های مبتنی بر ویژگی های دستی تقسیم بندی کرد. روش های دسته ی اول دارای دقت بالاتری هستند اما نیاز به حجم زیادی داده ی آموزش دارند. این در حالی است که در مسائلی همچون مسئله رتبه بندی نفوذ عامل ها، امکان آماده سازی داده های برچسب دار وجود ندارد. یکی دیگر از معایب غالب روش های مبتنی بر یادگیری ماشین، عدم امکان قابلیت تفسیر نتایج است. همچنین با بهره گیری از سازه های نظری مرتبط بانفوذ در شبکه های اجتماعی، می توان به مولفه های موثر در محاسبه ی نفوذ دست پیدا کرد. در این مقاله با تعریف شاخص ها و معیارهای شبکه ای فعالیت عامل ها متناسب با عملیات نفوذ، نفوذ عامل ها محاسبه می شود. در روش پیشنهادی، ابتدا مدلی جهت ارزیابی عامل با توجه به ویژگی های بااهمیت برای ارزیابی عملیات نفوذ معرفی شده است و سپس با مجموعه داده های تولیدی متناسب، ارزیابی شده است. با توجه به شاخص های مورد استفاده در این مدل، مجموعه دادگانی که شامل همه این شاخص ها باشد، وجود ندارد و ما سه مجموعه دادگان حاوی شاخص های مورد نظر از داده های توییتر تولید کردیم. نتایج به دست آمده نشانگر این مطلب است که مدل ارائه شده در کنار قابلیت تفسیرپذیری و عدم نیاز به داده های آموزشی، دارای عملکردی قابل مقایسه با روش های قبلی است.

شبکه های اجتماعی برخط, ارزیابی عملیات نفوذ, ارزیابی عامل های عملیات نفوذ