In the last few years, data extraction from online social networks (OSNs) has become more automated. The aim of this study was to extract all friends from MySpace profiles in order to generate a friendship graph. The graph would be analysed to investigate and apply node vulnerability metrics. This research is an extension of our previous work which concentrated on the extraction of top friends but did not investigate the graph or node vulnerability. The graph was generated from the friendship links that were extracted and placed into a repository. From the graph structure and profiles' personal details, vulnerability was calculated to find the most vulnerable node. Results were promising and provided interesting findings. Metric validation highlighted that the graph can be used to infer information that may not be present on the profile. The number of neighbours and the clustering coefficient were two main factors that affect the vulnerability of nodes

چکیده

در چند سال اخیر، فرآیند مبادله ‌ی داده ‌ها از شبکه‌ های اجتماعی آنلاین (OSN) به شکلی خودکار صورت گرفته است. هدف از این مقاله، استخراج پروفایل همه‌ ی دوستان از پروفایل های شبکه‌ ی MySpace بوده تا بتوان یک گراف دوستی را ایجاد کرد. این گراف به منظور بررسی و بکار گیری معیارهای آسیب ‌پذیری گره مورد تحلیل قرار می ‌گیرد. این پژوهش را می ‌توان یک شکل توسعه یافته از فعالیت‌ های قبلی ما دانست که بر روی استخراج مهم‌ ترین دوستان متمرکز بود ولی آسیب ‌پذیری گراف یا گره را بررسی نمی ‌کند. گراف، به وسیله‌ ی لینک ‌های دوستی که استخراج شدند و در یک مخزن قرار داده شدند ایجاد شد. با توجه به ساختار گراف و جزئیات شخصی پروفایل ‌ها و ساختار گراف، به منظور پیدا کردن آسیب‌ پذیرترین گره، این آسیب‌ پذیری باید مورد بررسی قرار گیرد. نتایج نوید بخشی بدست آمده است و یافته‌ های جالبی را به همراه داشته است. ارزیابی معیار نشان می ‌دهد که گراف را می ‌توان به منظور بدست آوردن اطلاعاتی که بر روی پروفایل موجود نیست بکار برد. تعداد همسایه ‌ها و ضریب خوشه ‌بندی را می‌ توان دو فاکتور اصلی دانست که بر روی آسیب ‌پذیری گره تأثیر دارد.

1-مقدمه 

در طی چندین سال گذشته، استفاده از شبکه ‌های اجتماعی آنلاین سریعاً به دلیل افزایش تعداد کاربرانی که جزئیات شخصی خود را بر روی پروفایل‌ ها نشان می ‌دهند افزایش پیدا کرده است. حجم زیادی از داده‌ های شخصی می ‌تواند مسائل حریم را به دنبال داشته و افراد را در برابر حملات مهندسی اجتماعی آسیب‌ پذیر سازد. پژوهش ‌های بیشتری را باید به منظور بررسی مشخصه‌ های گراف ‌های شبکه ‌ی اجتماعی آنلاین صورت داده تا بتوان مفهوم کلیدی آسیب‌ پذیری را که در جزئیات شخصی بسیار رایج می ‌باشد درک نمود...