新媒體視角下高校網(wǎng)絡(luò)信息安全風(fēng)險(xiǎn)預(yù)警研究

李徐輝

(陜西國防工業(yè)職業(yè)技術(shù)學(xué)院,陜西 西安 710300)

0 引言

隨著網(wǎng)絡(luò)傳播技術(shù)的迅速發(fā)展,新媒體載體層出不窮。在廣大網(wǎng)民的積極參與和傳播下,新媒體事件屢見不鮮,對社會產(chǎn)生了重要影響。當(dāng)前時(shí)代已經(jīng)成為新媒體事件頻發(fā)的時(shí)代。對于高校而言,新媒體時(shí)代既有積極的一面也有消極的一面[1]。新媒體可以幫助高校教師提升教學(xué)質(zhì)量和水平,但同時(shí),在新媒體技術(shù)的傳播下,學(xué)生獲取新鮮資訊的途徑增加,但資訊信息的真實(shí)性和可信度難以保證。網(wǎng)絡(luò)輿情是指在新媒體技術(shù)的支撐下,公眾對某一熱點(diǎn)話題所表現(xiàn)出的具有一定影響力和傾向性的意見或言論。在高校網(wǎng)絡(luò)中,網(wǎng)絡(luò)輿情反映了特定中介性社會事項(xiàng)所引發(fā)的社會政治態(tài)度[2]。學(xué)生是網(wǎng)絡(luò)中最為積極的群體,經(jīng)常活躍在各類網(wǎng)絡(luò)領(lǐng)域,是新媒體時(shí)代下信息傳播的主要承載者。然而,由于學(xué)生缺乏真實(shí)社會的經(jīng)驗(yàn),對信息的辨識能力較弱,極易受到虛假信息和輿情的誤導(dǎo),成為其傳播的推動者[3]。此外,高校網(wǎng)絡(luò)中包含大量的信息,一旦計(jì)算機(jī)系統(tǒng)被非法攻擊者入侵,就會造成信息泄露,對高校甚至學(xué)生本身的利益造成嚴(yán)重負(fù)面影響。因此,為了保障學(xué)生和高校的合法權(quán)益,避免學(xué)生受到不良信息的影響,本文將從新媒體視角出發(fā),開展對高校網(wǎng)絡(luò)信息安全風(fēng)險(xiǎn)預(yù)警的研究。

1 高校網(wǎng)絡(luò)新媒體信息獲取與挖掘

信息獲取是對高校網(wǎng)絡(luò)安全風(fēng)險(xiǎn)進(jìn)行監(jiān)測的關(guān)鍵環(huán)節(jié)。在新媒體視角下,只有實(shí)現(xiàn)對高校網(wǎng)絡(luò)新媒體信息的及時(shí)獲取,才能確保預(yù)警方法發(fā)揮重要作用[4]。一般經(jīng)驗(yàn)表明,高校網(wǎng)絡(luò)中的新媒體信息快速傳播時(shí)間大約為6 h,本次針對信息發(fā)布至傳播6 h這一時(shí)段進(jìn)行研究。因此,在獲取高校網(wǎng)絡(luò)新媒體信息時(shí),需要設(shè)置一個(gè)閾值U。此閾值是在6 h內(nèi)點(diǎn)擊率、回復(fù)率和轉(zhuǎn)載率的線性組合參數(shù),該閾值的設(shè)定應(yīng)結(jié)合高校網(wǎng)絡(luò)傳播的特點(diǎn)和網(wǎng)絡(luò)用戶的行為習(xí)慣。通過以下內(nèi)容確定閾值:設(shè)在高校網(wǎng)絡(luò)論壇當(dāng)中,針對該新媒體信息的點(diǎn)擊率為D,回復(fù)率為H,轉(zhuǎn)載率為Z。在完成設(shè)定后,根據(jù)網(wǎng)絡(luò)新媒體信息的分析,將其重要性劃分為:Z≥2H≥200D,一般D>70×(H+Z)。當(dāng)D的取值小于或等于這一設(shè)定時(shí),說明該新媒體信息引起了廣泛響應(yīng),則U的計(jì)算公式為:

U=D/100+H+2Z

(1)

當(dāng)達(dá)到閾值時(shí),高校網(wǎng)絡(luò)后臺程序?qū)⒆詣油扑蛿?shù)據(jù)到預(yù)警數(shù)據(jù)庫中。結(jié)合以往新媒體信息在形成前6 h的D、H和Z的取值,確定U的具體取值。使用上述方式對高校網(wǎng)絡(luò)新媒體信息進(jìn)行采集,能夠確保信息的全面性。在完成獲取操作后,對得到的高校網(wǎng)絡(luò)新媒體信息進(jìn)行挖掘。由于計(jì)算機(jī)不能像人類那樣理解文字中的信息,只能分辨0與1,所以有必要把文字的信息表達(dá)為計(jì)算機(jī)能夠辨識的數(shù)據(jù),把文字表達(dá)為數(shù)字或符號的矢量。然而,中文詞匯并不能完全表達(dá)語義,而短語和句子盡管能夠充分表達(dá)語義,但是經(jīng)過大量的實(shí)驗(yàn)驗(yàn)證,卻發(fā)現(xiàn)單一的短語或句子往往蘊(yùn)含著多層次的意義,這給計(jì)算帶來了很大的時(shí)空開銷[5]。因此,需要選擇特征項(xiàng)作為文本處理使用詞用以識別文本[6]。在對文本進(jìn)行挖掘的過程中,引入布爾模型,其文本表示模型可寫作:D=(W1,W2,…,Wn),在該模型當(dāng)中,n表示特征項(xiàng)的數(shù)量,Wi的取值均為0或1。當(dāng)Wi的取值為1時(shí),說明某一特征項(xiàng)i在文本D當(dāng)中;當(dāng)Wi的取值為0時(shí),說明某一特征項(xiàng)i不在文本D當(dāng)中。采用這種方式會在一定程度上忽略了特征項(xiàng)與文本項(xiàng)之間的關(guān)聯(lián)性差異。因此,對該模型進(jìn)行優(yōu)化,將文本表示為由特征項(xiàng)組成的正交規(guī)范化矢量,接下來,對模型進(jìn)行優(yōu)化,可表示為:

D=(T1W1,T2W2,…,TnWn)

(2)

模型中,Ti表示某一特征項(xiàng)i的取值;Wi表示某一特征項(xiàng)Ti的矢量權(quán)重,Wi的取值一般在(0,1)之間,Wi取值越大,則說明特征項(xiàng)Ti越能夠反映文本D中的內(nèi)容;相反,Wi取值越小,則說明特征項(xiàng)Ti越無法反映文本D中的內(nèi)容。將符合所有Ti值要求的文本匯總,實(shí)現(xiàn)對重要內(nèi)容的挖掘。具體挖掘步驟為:收集文本文檔——文檔預(yù)處理——標(biāo)記化——去除停用詞——Stemming——文本轉(zhuǎn)換——數(shù)據(jù)挖掘——評估。在挖掘的過程中,對風(fēng)險(xiǎn)特征進(jìn)行提取,其公式為:

(3)

公式中,P(k)表示特征量;η(k)表示挖掘狀態(tài)系數(shù);li(k)表示文本信息數(shù)據(jù)特征量;ηi(k)表示所有文檔信息數(shù)據(jù)量。根據(jù)上述基本邏輯,實(shí)現(xiàn)對高校網(wǎng)絡(luò)新媒體信息的深度挖掘。

2 信息安全風(fēng)險(xiǎn)特征加權(quán)與特征降維

為方便后續(xù)對風(fēng)險(xiǎn)信息的聚類和安全預(yù)警,對信息安全風(fēng)險(xiǎn)特征進(jìn)行加權(quán)和特征降維。在對各特征項(xiàng)進(jìn)行權(quán)值計(jì)算時(shí),必須采用詞頻加權(quán)法。詞頻加權(quán)法是一種將特征項(xiàng)在文章中出現(xiàn)的次數(shù)作為權(quán)重的方法,權(quán)重隨著出現(xiàn)次數(shù)的增加而增大[7]。一般來說,在高校網(wǎng)絡(luò)中,不同新媒體信息之間并沒有直接的相關(guān)性,因此可分別計(jì)算各自新媒體信息的權(quán)重,詞頻加權(quán)的計(jì)算公式為:

(4)

公式中,tfi表示特征項(xiàng)Ti在文本當(dāng)中出現(xiàn)的頻率。若文本中特征項(xiàng)存在,則將權(quán)重值記為1,反之記為0。

為了降低預(yù)警方法的計(jì)算量和運(yùn)行負(fù)擔(dān),對信息安全風(fēng)險(xiǎn)特征進(jìn)行降維。只需要選取最能體現(xiàn)文本內(nèi)容的特征項(xiàng)即可。常見的降維方式包括特征選擇和特征抽取等,而特征抽取更加簡單[8]。通過對以往新媒體事件的分析可以看出,事件主要涉及地點(diǎn)、人物、相關(guān)部門、事件、結(jié)局5個(gè)詞語,而這5個(gè)詞語也是最能體現(xiàn)事件整體狀況[9]。所以,可將這個(gè)矢量空間的維度設(shè)定為5個(gè)維度:

D=(T1W1,T2W2,…,T5W5)

(5)

對于高校網(wǎng)絡(luò)中本體庫Hownet沒有覆蓋的新詞,根據(jù)新詞的上下文語境,對其進(jìn)行綜合評價(jià),將新詞的語義值定義為:

ti=0.4·ti-1+0.4·ti+1+0.2·50

(6)

公式中,ti表示特征項(xiàng)Ti的語義值,公式中的2個(gè)0.4表示上一特征項(xiàng)和下一特征項(xiàng)的影響系數(shù),0.2表示平衡因子,按照下述公式進(jìn)行降維調(diào)整:

(7)

通過上述方式可以實(shí)現(xiàn)對其降維,從而降低后續(xù)預(yù)警的誤差。

3 安全風(fēng)險(xiǎn)信息聚類與安全預(yù)警

針對完成降維的信息安全風(fēng)險(xiǎn)特征,對其進(jìn)行聚類分析,篩選出對高校網(wǎng)絡(luò)運(yùn)行造成威脅的風(fēng)險(xiǎn)信息,并在發(fā)現(xiàn)風(fēng)險(xiǎn)信息后,立即進(jìn)行安全預(yù)警[10]。選擇將K-means算法作為聚類算法

將聚類結(jié)果分為4種不同類型,并設(shè)置對應(yīng)的D取值范圍。第一類,對社會的發(fā)展和穩(wěn)定有利的新媒體信息,D取值范圍在0～0.25;第二類,屬于高校網(wǎng)絡(luò)中用戶自娛自樂事件的新媒體信息,D的取值在0.25～0.50;第三類,屬于對社會的發(fā)展和穩(wěn)定有一定負(fù)面影響的新媒體信息,D的取值在0.50～0.75;第四類,會嚴(yán)重影響社會的發(fā)展和穩(wěn)定的新媒體信息,D的取值在0.75～1.00。根據(jù)上述劃分規(guī)則,在對高校網(wǎng)絡(luò)中的新媒體信息監(jiān)測時(shí),一旦出現(xiàn)D的取值在0.50以上的新媒體信息,則立即進(jìn)行預(yù)警,并將其剔除,避免對整個(gè)高校網(wǎng)絡(luò)環(huán)境造成負(fù)面影響,以此實(shí)現(xiàn)對高校網(wǎng)絡(luò)信息安全風(fēng)險(xiǎn)的有效預(yù)警。

4 實(shí)例應(yīng)用分析

在上述論述基礎(chǔ)上,從理論方面實(shí)現(xiàn)了對新媒體視角下高校網(wǎng)絡(luò)信息安全風(fēng)險(xiǎn)預(yù)警方法的設(shè)計(jì)。為了進(jìn)一步驗(yàn)證該預(yù)警方法的實(shí)際應(yīng)用可行性,選擇以某高校為依托,針對高校網(wǎng)絡(luò)的信息安全進(jìn)行風(fēng)險(xiǎn)預(yù)警。通過對預(yù)警方法在應(yīng)用過程中的表現(xiàn)以及應(yīng)用效果實(shí)現(xiàn)對其性能的檢驗(yàn)。選擇某一高校為研究對象,以微博平臺中高校的超話作為研究區(qū)域,其研究時(shí)間設(shè)定在某一信息發(fā)布后6 h內(nèi),依據(jù)平臺提供的點(diǎn)擊統(tǒng)計(jì)功能記錄每個(gè)內(nèi)容的點(diǎn)擊次數(shù),統(tǒng)計(jì)用戶與內(nèi)容的互動情況及內(nèi)容被其他用戶轉(zhuǎn)載或分享的次數(shù),以此來開展研究。先從預(yù)警的精度角度,對該方法進(jìn)行驗(yàn)證,將誤報(bào)率作為精度檢驗(yàn)的量化指標(biāo),對預(yù)警誤報(bào)率的測定可通過下述公式計(jì)算得出:

(9)

公式中,η表示預(yù)警方法的誤報(bào)率;s表示未進(jìn)行預(yù)警但屬于風(fēng)險(xiǎn)信息的數(shù)據(jù)量;r表示未正確匹配風(fēng)險(xiǎn)信息的數(shù)據(jù)量;m表示信息總數(shù)據(jù)量。根據(jù)上述公式,將實(shí)驗(yàn)結(jié)果中該預(yù)警方法的誤報(bào)率記錄,并得到如表1所示的實(shí)驗(yàn)結(jié)果。

表1 本文預(yù)警方法誤報(bào)率記錄

從表1中得到的實(shí)驗(yàn)結(jié)果可以看出,本文設(shè)計(jì)的預(yù)警方法可以實(shí)現(xiàn)對風(fēng)險(xiǎn)信息的安全預(yù)警,盡管隨著高校網(wǎng)絡(luò)中信息數(shù)據(jù)量的增加,預(yù)警方法的誤報(bào)率出現(xiàn)了略微增加的情況,但在信息數(shù)據(jù)量達(dá)到10 000 Mbits時(shí),其誤報(bào)率也均控制在了3.00%以內(nèi),實(shí)驗(yàn)結(jié)果十分可觀。通過上述實(shí)驗(yàn)可以證明,本文設(shè)計(jì)的預(yù)警方法在實(shí)際應(yīng)用到高校網(wǎng)絡(luò)當(dāng)中時(shí),可以實(shí)現(xiàn)對風(fēng)險(xiǎn)信息的有效預(yù)警,確保高校網(wǎng)絡(luò)的運(yùn)行安全,保障網(wǎng)絡(luò)用戶的個(gè)人利益不受損害。

通過上述實(shí)例,實(shí)現(xiàn)了對本文設(shè)計(jì)的預(yù)警方法預(yù)警精度的驗(yàn)證。在此基礎(chǔ)上,為使驗(yàn)證結(jié)果更客觀,再從本文預(yù)警方法結(jié)果的信度角度,實(shí)現(xiàn)對其預(yù)警精度對比。采用科隆巴赫系數(shù)反映信度,其計(jì)算公式為:

(10)

公式中,δ表示預(yù)警結(jié)果的信度值;Wi表示預(yù)警結(jié)果的方差;Wt表示預(yù)警結(jié)果的標(biāo)準(zhǔn)差。根據(jù)上述公式計(jì)算得出信度值δ,δ的取值在0～1,δ越接近1,則說明本文預(yù)警方法的預(yù)警精度越高;δ越接近0,則說明本文預(yù)警方法的預(yù)警精度越低。在預(yù)警的過程中,隨著高校網(wǎng)絡(luò)中信息總數(shù)據(jù)量的增加,記錄每一時(shí)刻的δ值,并將其繪制成如圖1所示的實(shí)驗(yàn)結(jié)果。

圖1 本文預(yù)警方法預(yù)警結(jié)果信度值變化曲線

從圖1中曲線可以看出,應(yīng)用本文提出的預(yù)警方法對高校網(wǎng)絡(luò)信息安全風(fēng)險(xiǎn)預(yù)警,預(yù)警結(jié)果的信度值隨著信息數(shù)據(jù)量的增加,出現(xiàn)了略微下降的趨勢,但始終高于0.7,這一變化趨勢與上述誤報(bào)率測試結(jié)果相符,說明實(shí)驗(yàn)結(jié)果具有客觀性。綜合上述得出的實(shí)驗(yàn)結(jié)果證明,本文設(shè)計(jì)的預(yù)警方法可以實(shí)現(xiàn)對高校網(wǎng)絡(luò)信息安全風(fēng)險(xiǎn)的高精度預(yù)警,對于提升高校網(wǎng)絡(luò)環(huán)境整體安全性具有極大的幫助。

5 結(jié)語

本文將新媒體作為大環(huán)境背景,開展了對高校網(wǎng)絡(luò)信息安全風(fēng)險(xiǎn)預(yù)警方法的設(shè)計(jì)研究。新媒體與傳統(tǒng)媒體相比,具有及時(shí)性、互動性、開放性等特點(diǎn),其特性決定了突發(fā)事件爆發(fā)后,信息的傳播速度更快,且影響范圍更廣?；谶@一特點(diǎn),本文設(shè)計(jì)了一種全新的預(yù)警方法,用以實(shí)現(xiàn)對高校網(wǎng)絡(luò)信息的安全保護(hù)。在實(shí)際應(yīng)用中,在高校網(wǎng)絡(luò)信息安全風(fēng)險(xiǎn)預(yù)警的前期信息獲取階段,仍然存在進(jìn)一步需要改進(jìn)的環(huán)節(jié),例如制定相應(yīng)的服務(wù)協(xié)議、確保信息的全面性等。對此,為了使高校網(wǎng)絡(luò)安全性得到更大的提升,針對這一方面的問題還將進(jìn)行更加深入的探索研究。