Константин Михайлович Бондарь, кандидат технических наук, доцент, профессор кафедры информационного и технического обеспечения ОВД
1680020, г. Хабаровск, переулок Казарменный, 15
Konstantin M. Bondar, Cand. Sci. (Eng.), Assoc. Prof., Prof., Department of Information and Technical Support
15 Kazarmenny Lane, Khabarovsk 680000
Вадим Сергеевич Дунин, кандидат технических наук, заместитель начальника кафедры информационного и технического обеспечения ОВД
1680020, г. Хабаровск, переулок Казарменный, 15
Vadim S. Dunin, Cand. Sci. (Eng.), Deputy Head of the Department of Information and Technical Support
15 Kazarmenny Lane, Khabarovsk 680000
Павел Борисович Скрипко, кандидат технических наук, доцент, начальник кафедры информационного и технического обеспечения ОВД
1680020, г. Хабаровск, переулок Казарменный, 15
Pavel B. Skripko, Cand. Sci. (Eng.), Assoc. Prof., Head of the Department of Information and Technical Support
15 Kazarmenny Lane, Khabarovsk 680000
Хохлов Николай Степанович, доктор технических наук, профессор, профессор кафедры инфокоммуникационных систем и технологий
2394065, г. Воронеж, проспект Патриотов, 53
Nikolai S. Khokhlov, Dr. Sci. (Eng.), Prof., Prof., Department of infocommunication systems and technologies
53 Patriotov Ave., Voronezh 394065
Цель. Обоснование применения одного из методов разделения графов – алгоритма спектральной бисекции для анализа социальных сетей, а также оценка возможностей программной реализации данного алгоритма в ходе сбора доказательной информации при расследовании преступлений, совершаемых с использованием информационно-телекоммуникационных технологий.Метод. К методам научного исследования, используемым в работе, относятся: анализ социальных сетей, методы, основанные на алгоритмах декомпозиции графов, методы анализа данных из открытых источников, методы линейной алгебры и алгоритмизация.Результат. Обосновано основное направление структурного анализа социальной сети – определение сообществ и предложен подход к решению задачи исследования сообщества, который предполагает два этапа. На первом, подготовительном этапе, формируется граф исходной сети с учетом интенсивности связей между участниками, а на втором, основном, выполняется разделение исходного и получение целевого фрагмента графа, содержащего наиболее связанные узлы, которые будут соответствовать наиболее активным участникам сообщества. Ключевым элементом алгоритма разделения графа – алгоритма спектральной бисекции является вычисление вектора Фидлера, которое может быть реализовано на основе алгоритма Lanczoc. Предложена программная реализация алгоритма в виде функции Python, использующая библиотеку Numpy. Показаны возможности управления размерами целевого фрагмента исходного графа посредством параметра функции – величины взвешенной медианы.Выводы. Экспериментальные оценки реализации алгоритма показали его положительные возможности в составе комплекса инструментов для исследования социальных сетей. Применение данного решения в ходе анализа социальной сети позволит значительно уменьшить количество изучаемых участников сообщества, сосредоточив усилия и основное внимание на наиболее активных и тесно связанных между собой, а включение в программную реализацию алгоритма дополнительных параметров обеспечит возможность углубленного исследования сообщества с учетом интенсивности и характера взаимодействия участников.
Objective. The purpose of the study is to substantiate the use of one of the graph separation methods – the spectral bisection algorithm for the analysis of social networks, as well as to evaluate the possibilities of software implementation of this algorithm during the collection of evidence-based information in the investigation of crimes committed using information and telecommunications technologies.Method. The methods of scientific research used in the work include: analysis of social networks, methods based on graph decomposition algorithms, methods of data analysis from open sources, methods of linear algebra and algorithmization.Result. Taking into account the objectives of the study, the main direction of the structural analysis of the social network is justified – the definition of communities and an approach to solving the problem of community research is proposed, which involves two stages. At the first, preparatory stage, the graph of the source network is formed taking into account the intensity of connections between the participants, and at the second, the main separation of the source and obtaining the target fragment of the graph containing the most connected nodes that will correspond to the most active members of the community is performed. It is shown that the key element of the graph separation algorithm – the spectral bisection algorithm is the calculation of the Fiedler vector, which can be implemented based on the Lanczoc algorithm. A software implementation of the algorithm in the form of a Python function and using the Numpy library is also proposed. The possibilities of controlling the size of the target fragment of the source graph by means of a function parameter – the value of the weighted median are shown.Conclusions. Experimental evaluations of the algorithm showed its positive capabilities as part of a set of tools for researching social networks. The use of this solution will reduce the number of community participants being studied, focusing on the most active and closely related ones, and the inclusion of additional parameters in the software implementation of the algorithm will provide the opportunity to study the community, taking into account the intensity and nature of the interaction of participants.
The authors declare that there are no conflicts of interest present.