يك مدل كنترل دسترسي براي شبكه اجتماعي آنلاين از طريق ارتباطات كاربربه‌كاربر

An access control model for online social networks using user-to-user relationships

با فراگير شدن شبكه‌هاي اجتماعي و رشد افزون اطلاعات به اشتراك‌گذاري شده در آن‌ها، كاربران اين شبكه‌ها در معرض تهديدهاي بالقوه-ي امنيت و حريم خصوصي داده‌ها قرار دارند. تنظيمات حريم‌خصوصي گنجانده‌شده در اين شبكه‌ها به كاربران كنترل كاملي در جهت مديريت و خصوصي‌سازي دسترسي به اطلاعات اشتراكي‌شان توسط كاربران ديگر نمي‌دهد. در اين مقاله به كمك مفهوم گراف اجتماعي، يك مدل جديد كنترل دسترسي كاربربه‌كاربر پيشنهاد شد كه امكان بيان سياست‌هاي حريم شخصي و كنترل دسترسي دقيق‌تر و حرفه‌اي‌تري را برحسب الگو و عمق روابط ميان كاربران در شبكه‌هاي اجتماعي فراهم مي‌كند. در اين مقاله با به‌كارگيري روش شاخصه‌اي منظم، روابط غيرمستقيم در ميان كاربران موردبررسي و تحليل قرارگرفته و سياست‌هاي دقيق‌تري نسبت به مدل‌هاي قبلي ارائه‌شده است. ارزيابي نتايج نشان داد، در مورد 10 همسايه براي هر كاربر، تجمع احتمال يافته‌هاي يك مسير واجد شرايط، به ترتيب براي سه حلقه شمارنده اول برابر 1، 10/5 و 67/3 درصد است، و نهايتاً براي شمارنده چهارم به 100 درصد مي‌رسد كه با افزايش مشخصه شمارشي تعريف‌شده، زمان اجراي متوسط الگوريتم پيشنهادي و ساير الگوريتم‌هاي ارائه‌شده در روش‌هاي قبلي افزايش مي‌يابد اما براي حدود بالاتر مشخصه شمارشي، الگوريتم پيشنهادي بهتر از الگوريتم‌هاي قبلي عمل مي‌كند.

With the pervasiveness of social networks and the growing information shared on them, users of these networks are exposed to potential threats to data security and privacy. The privacy settings included in these networks do not give users complete control over the management and privatization of access to their shared information by other users. In this article, using the concept of social graph, a new model of user access control was proposed to the user, which allows the expression of privacy policies and more accurate and professional access control in terms of pattern and depth of relationships between users in social networks. In this article, by using the regular index method, indirect relationships among users are examined and analyzed, and more precise policies than previous models are presented. The evaluation of the results showed that for 10 neighbors for each user, the probability accumulation of a qualified path for the first three counter loops is 1, 10.5 and 67.3%, respectively, and finally for the fourth counter it reaches 100%. As the defined counting characteristic increases, the average execution time of the proposed algorithm and previously proposed algorithms increases. However, for the higher limits of the counting characteristic, the proposed algorithm performs better than the previous ones.