نوع مقاله : مقاله علمی - پژوهشی

نویسندگان

• ابراهیم محمودزاده ¹
• مهدی صحرایی ²
• محمدمهدی قوچانی خراسانی ³

¹ دانشیار مجتمع مدیریت و فناوری های نرم دانشگاه صنعتی مالک اشتر

² دانشجوی دکتری امنیت سایبری-دانشگاه عالی دفاع ملی

³ محقق/ دولتی

چکیده

امروزه به دلیل پیچیدگی‌های فضای سایبری و تأثیرگذاری آن بر بسیاری حوزه‌های دیگر از منظر امنیت ملی نیاز به سیستم پایش با رویکرد روندیابی فضای سایبری و نیز داشتن دید جامع نسبت به همه‌ی ابعاد آن شامل فرهنگی، اجتماعی، سیاسی، اقتصادی، نظامی امنیتی و علم و فناوری بیش از پیش ضروری است. با گسترش سیستم‌های پایگاهی و حجم بالای داده‌های ذخیره شده در این سیستم‌ها، نیاز به ابزاری است تا بتوان داده‌های ذخیره شده را پردازش کرد و اطلاعات حاصل از این پردازش را در اختیار کاربران قرار داد. با توجه به گسترش روزافزون ابزارهای ارتباطی در حوزه‌ی فناوری اطلاعات و ارتباطات و لزوم ایجاد آگاهی اطلاعاتی بر این حوزه با رویکرد جلوگیری از غافل‌گیری در مواجهه با بحران و از سوی دیگر حجم، سرعت و تنوع داده‌های شبکه‌های اجتماعی، لزوم تدوین استراتژی فناوری کلان داده در تحلیل شبکه‌های اجتماعی امری بسیار ضروری است. گفتنی است این مفهوم به جهت تازگی با روش‌های تحلیلی سنتی به هیچ‌وجه قابل اجرا نیست و باید در مواجهه با این حوزه از فناوری‌های نوین بهره برد. از آنجایی که یکی از اصلی‌ترین مباحث در حوزه‌ی کلان داده روش‌های داده‌کاوی برای پالایش داده و دست‌یابی به ارزش افزوده در حوزه‌ی داده‌های عظیم است، در پژوهش حاضر سعی شده است تا فناوری‌های مورد نیاز شناسایی شده و ضمن تحلیل و اولویت‌بندی آن به تدوین استراتژی فناوری کلان داده در تحلیل شبکه‌های اجتماعی برای پیش‌بینی وقوع بحران پرداخته شود. با توجه به موضوع و هدف پژوهش، نوع تحقیق کاربردی - توسعه‌ای¹ است. روش تحقیق کمی است و جمع‌آوری اطلاعات از طریق پانل خبرگان و استفاده از پرسشنامه‌ی بسته بوده است و جامعه‌ی آماری نیز تعداد 20 نفر از نخبگان عرصه‌ی فناوری اطلاعات و ارتباطات بوده است و روش تحلیل بهره‌گیری از طیف لیکرت برای ارزش‌گذاری اولویت‌های استراتژی کلان داده بوده است.   

کلیدواژه‌ها

• تحلیل شبکه‌های اجتماعی
• استراتژی کلان داده
• پیش‌بینی بحران

عنوان مقاله [English]

Development of Big Data Strategy in Social Network Analysis toward Prediction of Crisis

نویسندگان [English]

• Ebrahim Mahmoodzade ¹
• mahdi sahraei ²
• Mohammad Mehdi Ghouchani Khorasani ³

چکیده [English]

Today , because of the complexities of cyberspace and its influence on many other fields from the  national security viewpoint, the necessity of monitoring systems with cyberspace routing approach and also a global view of all its dimensions, including cultural, social, political, economic, security, military and science and technology seems more urging than ever. With the development of database systems and high volume data stored in these systems, there is a need for an instrument to process these stored data and information obtained from this process and aslo making them available to users. Ever increasing development of the communication tools in the field of information and communication technology, and the need to create intelligence dominance over this area toward prevention of surprises in crises encounterings, and considering the volume, velocity and variety of data in social networks, proves the neccessity for development of Big Data technology strategies in social network analysis. It is worth noting that this concept cannot in any way be dealt with traditional analytical methods and should modern technologies should be utilized instead. Since one of the main topics in the field of Big Data and data mining methods for remediation of achieving added value in the field is massive data, this study tries to identify the analysis and prioritization technologies needed to develop strategies of Big Data technology in social network analysis to predict the occurrence of crisis. According to the subject and objective of the study, type of applied-development research is used. The method of using quantitative methods and information gathering through a panel of experts and questionnaire fill-out, has been applied to a population of 20 elite students in the field of ICT and analysis utilizes big data strategy by means of Likert scale to evaluate priorities.

کلیدواژه‌ها [English]

• Analysis of social networking
• big data strategy
• predicted the crisis