基于社会传感器的网络安全态势感知与应急管理模型研究
Abstract： Compared with the traditional Web and information applications， social media has brought a lot of convenience to people's lives. At the same time， it's becoming wider for its direct interaction with the real society and impact on the society， even to a certain extent affects the national security and social stability. Research on network security situational awareness and emergency management based on social sensor will contribute to solve the problem of national security， social development， etc. This paper presents a model of network security situational awareness and emergency management based on social sensors. With the individual social media， the model researches the content such as the sensor data， behavior， emotions， attitudes and other data that are generated by Internet users and perceives security situation of network society and realistic society. In order to solve specific emergencies， it can also be combined with computer simulation system and be guided by realtime data analysis.
0引言
微信、微博、QQ、知乎等各类社会化媒体使得各种真伪难辨的信息得以快速病毒式传播。海量社会化个体在制造和传播信息的同时，也作为社会传感器感知着网络社会与现实社会的安全态势，如何整合社会化个体的感知能力和媒体资源的协调管理能力，提升面向网络与现实社会危机事件的应急管理能力至关重要。
社会化媒体出现之前，个体与群体的信息传播仅在小范围内以人际交流的方式传播，难以采集分析，而电视、报纸、电台、门户网等传统媒体也只是单向传播，无法对个体感知进行全面的探测与采集。微博、微信等社会化媒体的发展，用户自媒体的信息在社交网络中自由、开放式流动，用户实时快速发布信息的同时成为了感知社会的传感器。目前基于社会化媒体开放平台，研究网络社会以及现实社会的安全和管理问题已经成为一个情报学、计算机科学、管理科学、社会学等多学科交叉的新兴研究领域。
1相关工作
1.1社会化媒体上的社会传感器相关研究
1）社会传感器网络。网络社会中，每个网民个体都在依据自己的先验知识和表达能力感知并表示着社会活动的方方面面，包括自然灾害、突发危机、交通堵塞、空气污染等等。这些信息难以用自动化的手段跟踪采集，因此Wagner[1]等人在2009年提出Human as Sensor（人即传感器）的观点，数十亿人构成的巨大的传感器网络，覆盖了世界的政治、经济、文化、气候、交通等各个领域。除了对客观世界的感知之外，还能够对物理传感器无法涉及到的人类行为、思想、情感等领域进行感知。为了系统地利用文本、图像、音频、视频等信息资源，王飞跃[2]（2004）、王晖[3]（2010）提出了仿照物理学传感器信号处理原理，构建社会传感网络的思想，通过对社交网络中重要节点的动态分析，实现对社会数据的全方位、分层次的感知。
2）群体智慧。《The Wisdom of Crowds》（2004）一书第一次从“群体智慧”的概念着手，研究如何驾驭群体智慧，最大限度地激励、整合和应用群体智慧，实现社会个体智力资源的积累和扩张。Wikipedia吸引群体协作共建知识库，突破个体利益的驱使，激发自由、开放的知识集体创作，形成了全球最大的知识库。Google的流感预测实验利用海量网民的搜索词进行基于群体行为的流感感知与预测，其准确率和实时性超过医疗领域专家。
3）数据感知。David Esley， John Kleinberg（2011）在《Network， Crowds， and Market》一书中系统地研究了网络、动机和人群聚合行?椤；?于社会化媒体的数据感知还包括对社会个体和群体的语言、行为、情感和心理的分析，用户画像和群体画像成为采集用户和群体信息的关键研究领域。赵妍妍、秦兵等（2010）[4]通过分析海量社会化媒体文本信息，挖掘网民的观点及其情感倾向，并对外开放了情绪地图的数据可视化平台。
1.2网络安全方面的研究
随着互联网的飞速发展，尤其是Web 2.0下的各类社交网站快速发展，利用社会化媒体研究网络社会的安全问题引起了国内外学者的广泛关注，张永铮、方滨兴等（2007）[5]等从网络体系结构、病毒传播、敏感内容分析、网络入侵、防火墙等领域开展了大量的网络安全研究，对于网络社会安全问题的研究主要集中在敏感内容分析方面（包括色情、暴力、反动等信息）。方滨兴等（2015）[6]对社会化媒体的关系和结构特性、社会化媒体中的群体及其行为、社会化媒体中的信息及其传播三个方面进行了详尽分析。在此基础上，围绕该方面的拓展研究，可重点阐析为两个领域，内容如下： 1）事件分析。Becker（2009）提出利用社会化媒体的实时性和对现实世界的动态反映特性，研究社会化媒体事件抽取，分析事件主体、事件、可信度、趋势，预测事件的后果和影响面。王娟（2010）[7]针对已有网络安全态势感知模型缺乏有效的数据融合和协同管理机制的问题，提出了一种层次化大规模网络态势感知模型。
2）网络舆情分析。张一文等[8]（2011）认为媒体的影响力、政府疏导力、事件性质和网民相互作用力共同作用于舆情热度，因此通过建立四级的指标体系来评价非常规突发事件的舆情热度。王国华等[9]（2012）在舆情衍生特性对热点事件影响的基础上提出舆情关联，作者认为网络舆情热点事件主要是通过主体、主题、情绪等要素发生联系来生成舆情簇或者舆情集，进而来影响舆情的演化。
此外，美国DARPA推出了利用计算机分析和处理社会舆情的TIA计划，表明越来越多的国家针对基于海量社会化媒体数据对网络情报监控研究工作已经加大了各方面的投入力度。
1.3危机传播管理方面的研究
危机的发现、传播监控、管理是社会安全管理关键研究领域。在此，给出各领域的研究内容综述如下：
1）危机发现。洪宇等[10]（2007）较系统地介绍了面向新闻媒体信息流的话题检测与跟踪（TDT）任务。李恒训（2011）[11]关于网络热点话题发现的研究涵盖了新闻、论坛、博客三种平台，并指出网络热点话题检测的研究方法。Mathioudakis（2010）[12]构建的“TwitterMonitor”系统中检测微博流中频率异常高的突发词（Burst Keywords），而后对突发词按照出现在同一微博中次数聚类来找到新兴话题（Emerging Topic）。
2）危机传播。Duggan（2004）[13] 从信息发出者与信息接受者的影响因素入手，构建危机信息传播模型。Helsloot（2013）[14]从危机的属性和社会定位方面入手，定性分析了危机信息发出后对不同社会群体的影响。
3）危机管理。对于危机发生之后的传播管理，唐钧（2004）[15]指出以全流程信息管理为基础、以危机信息通讯为途径、以危机信息管理机制为平台，全面构建政府危机信息管理系统。董竟（2006）[16]认为科学完善的危机信息管理机制能够预防谣言的扩散。
1.4基于社会化媒体的网络安全应急管理方面的研究
主要从应急影响因素、应急资源、应急仿真和应急决策方面开展研究。迄至目前，现已推出的主流成果可得研究分类设计内容如下：
1）应急影响因素。Drabek（2014）[17]认为，有效的应急预案和应急决策、多主体的应急决策方式、智能型的应急指挥中心、完善的多主体应急演练模式均影响多主体应急协同效率。
2）应急资源。Cheu等人[18]（2008）研究应急服务配置来保护及服务重要交通基础设施。Huang等人（2013）[19]研究了应急资源配置的不确定性建模方法。
3）应急仿真和应急决策。Levy等（2007）[20]提出应用群体网络分析法（GANP）进行应急决策。英国科波拉软件公司在2005年推出的实时可视化分析网络民意的系统，有利于直观把握网络舆情的安全态势。Subrahmanian（2007）[21]指出，社会文化建模已开始应用于安全和反恐决策预警中。在社会公共安全领域，中国科学院自动化研究所情报安全信息学研究团队与国家相关业务部门合作，基于ACP方法研发了大规模开源情报获取与分析处理系统，对社会情报进行实时监控、分析、预警以及决策支持与服务。由于社会系统的复杂性，涉及大规模计算所需的建模、分析、算法和仿真环境正在逐步发展。
综上所述，针对社会化媒体的网络安全监管研究已经成为情报学、社会学、计算机科学、信息科学、传播学、管理学等多个学术领域的研究热点，但是对于网络危机事件的传播、监管、应急的研究多采用定性分析的方法，缺少数据实证；部分基于问卷或定向数据采集的定量研究，其数据规模难以反映事件的真实情况。而从计算机角度出发，对网络危机事件的数据挖掘、数据分析的研究往往只关注分析方法、分析模型本身，缺少对于该方法和模型在应急管理领域的应用研究，学科交叉融合的深度并不充分。基于博客、微博等网络数据感知的研究，通常数据来源于比较单一的媒体平台或开放平台，受平台特征影响易产生数据偏置。为此，本文从计算机科学、情报科学和管理科学相交叉的角度，提出一种整合社会化媒体、领域开放平台等多源海量数据进行网络安全态势感知及应急管理模型。
2基于社会传感器的网络安全态势感知及应急管理方案设计以网络安全态势感知和提高危机应急处理能力为目标，探索社会化媒体、门户、论坛、电视、报纸、广播、“天眼”视频监控系统等各类开放数据源的整合，建立跨媒体资源协同应急处理的理论和方法，研究可得设计方案内容如下。
2.1??建基于社会化媒体的社会传感器数据采集平台
1）针对微博、门户网、论坛、人人网等社会化媒体，建立分布式用户数据采集系统，实时爬取网络中的文本、图像、音视频等数据。
2）针对数据开发分词、词性标注、句法分析、语义分析、情感分析等数据构建数据分析子系统。
3）基于分析后的数据，分析用户性别、年龄、兴趣爱好、地理位置、政治倾向等用户属性，进行用户可视化画像。
4）以节点和边的图论方式表示社交网络中用户之间的关系，研究用户好友圈、社交圈以及群体动态演化。
2.2建立社会化媒体上事件“发现-跟踪-预测”系统
1）网络安全问题在社会化媒体上以突发事件的方式存在，整理突发事件、危机传播等研究领域文献，对突发公共事件进行特征提取和分类，量化事件传播过程中的特征及其权重分配，建立社会化媒体事件突发性衡量指标。 2）根据主题模型聚类事件主题，分析主题时间单元与影响范围、突发词和突发区间监测，开发热点事件发现系统。
3）研究突发事件的五元组形式化描述，描述事件的主题、任务、时间、地点、相关事件。
2.3对危机事件扩散过程进行可视化分析
1）以节点间的传播树形关系表示危机事件传播的网络拓扑结构，抽象事件扩散过程中的各节点之间的关系，结合复杂网络动态演化理论，建立网络舆论的实时可视化跟踪模型。
2）引入时间维度，建立仿真时间与现实时间之间的映射关系，研究事件在时间序列上的发展态势。
3）结合马尔科夫模型和统计线性回归模型建立事件传播趋势预测框架，预测一定时间和区间内事件的扩散范围。
2.4建立危机事件案例库
1）在社会传感器数据采集平台上，结合事件五元组形式化表示方法，过滤数据噪音，建立可扩展性强的NoSQL数据存储系统，结构化存储突发公共事件相关数据。
2）对事件建立查询索引，便于组合复杂查询条件对事件相关数据进行检索。
3）建立事件数据分析系统，归纳事件“产生、发展、消亡”生命周期内的共性规律，对日后突发公共事件的应急处理提供参考。
2.5构建基于网络社会和现实社会计算分析的动态应急管理机制
1）整合社会传感器、“天眼”系统、传统媒体等开放数据源，在云计算基础平台上，分析事件相关的资源、能力和预案，准确把握事件的动态变化态势。
2）分析微博、微信、人人网等社会化媒体与电视、报纸、官方新闻网站等不同媒体在风险和信息沟通、传播模式、决策时效性、政策或策略、决策出发点、制约因素、决策失误或延误等方面的动态及现象。
3）组织专家资源、媒体资源、政府资源，优化资源调度方案，提高资源的互补能力和应急优化配置的学习能力，进而提高资源间协同应急能力。
4）从资源间的互补能力、整合能力、学习能力三个层面来分析动态应急预案设计方法。在应急协同预案的设计中，充分考虑资源间合作的风险沟通、信息沟通、应急请求与响应的时间约束、协同决策任务序列等重要因素，建立以社会安全态势数据为依据的动态应急处理机制。
3基于社会传感器的网络安全态势感知及应急管理模型根据上述所设计的应急方案，基于社会传感器数据采集平台进行数据采集，通过对用户画像、群体画像和事件画像的分析进而刻画及分析事件整体，在此基础上进行感知网络安全态势；然后通过仿真模拟实现决策仿真。最后，经归纳总结形成案例数据库服务于动态应急系统方案及应急策略。由此，提出基于社会传感器的网络安全态势感知及应急管理模型如图1所示。
4结束语
相比以往网络舆情的相关研究，本文提出的基于社会传感器的网络安全态势感知及应急管理模型创新性地将用户画像、事件画像应用到突发事件应急研究中，将传统的敏感词分析方法扩展到结合社会计算的文本分析、行为分析、情感分析、群体分析、事件分析、网络传播分析等方法，对事件主题、人物、传播路径等特征展开更全面的分析和更直观的表示；提出的基于社会传感器的突发公共事件“发现-跟踪-预测”系统，将社会化媒体中个体生成的海量数据当作突发事件的感知器，检测公共事件的突发性阈值，实时跟踪事件传播路径，结合马尔科夫模型预测事件发展态势；提出的网络社会和现实社会互动分析的动态应急管理机制，整合网络社会和现实社会的开放数据源，以实时数据分析为导向，建立自学习的事件仿真系统。显然，本文提出的模型对于提升网络突发事件的应急处理能力具有一定的应用前景，但同时，一个不可小觑的问题是，网络媒体传播速度极快，要求突发危机事件的数据分析系统尽量实时，这对于算法复杂度和计算硬件的平台有很高的要求，因此，后续将进一步研究能够实现对大规模突发危机事件数据进行实时分析的算法和机制。
