МОДЕЛЬ ОЦІНКИ ВРАЗЛИВОСТІ КОРПОРАТИВНОГО СЕРЕДОВИЩА ДО SOCMINT-АТАК НА ОСНОВІ АНАЛІЗУ ГРАФОВИХ МЕТРИК

Валерія Івкова; Леонід Бортнік

doi:10.28925/2663-4023.2026.34.1354

Автор(и)

Валерія Івкова Національний університет «Львівська Політехніка» https://orcid.org/0000-0002-2370-1497
Леонід Бортнік Національний університет «Львівська Політехніка» https://orcid.org/0000-0002-6116-7491

DOI:

https://doi.org/10.28925/2663-4023.2026.34.1354

Ключові слова:

OSINT, SOCMINT, кібербезпека, теорія графів, центральність посередництва, соціальна інженерія, Counter-SOCMINT, цифровий слід, компартменталізація

Анотація

У статті розроблено та експериментально апробовано метод кількісної оцінки вразливості корпоративного середовища до SOCMINT-атак на основі апарату теорії складних мереж. Актуальність зумовлена стрімким зростанням обсягів відкритих даних соціальних платформ, які дедалі частіше використовуються зловмисниками для пасивної реконструкції внутрішньої організаційної структури підприємства та підготовки високотаргетованих атак соціальної інженерії. Показано, що традиційні підходи до аудиту інформаційної безпеки не забезпечують кількісної формалізації мережевої топології контактів персоналу, що унеможливлює спрямоване виявлення структурно вразливих співробітників. Для розв'язання цієї проблеми формалізовано дворівневу графову модель корпоративного середовища, яка поєднує зважений внутрішній комунікаційний граф службової взаємодії та вектор зовнішньої відкритої експозиції персоналу. Обґрунтовано застосування нормалізованої центральності за посередництвом (betweenness centrality) для виявлення вузлів, що виконують роль структурних «містків» між підрозділами незалежно від ієрархічного рангу. На цій основі розроблено інтегральний мультиплікативний індекс вразливості, який поєднує топологічну видимість вузла з коефіцієнтом функціональної критичності його ролі за аналогією до парадигми ризику «ймовірність × наслідки». Експеримент підтвердив здатність методу виявляти приховані критичні вузли витоку даних. Сформовано комплекс диференційованих рекомендацій Counter-SOCMINT щодо компартменталізації цифрового сліду персоналу, децентралізації внутрішніх потоків та переходу до безперервного моніторингу топологічних ризиків організації.

Завантаження

Дані завантаження ще не доступні.

Посилання

Kemp, S. (2026). Global social media statistics. DataReportal. https://datareportal.com/social-media-users

Ivkova, V., & Opirsky, I. (2025). OSINT TECHNOLOGIES AS A THREAT TO STATE CYBERSECURITY. Electronic professional scientific publication "Cybersecurity: Education, Science, Technology", 3(27), 165–179.. https://doi.org/10.28925/2663-4023.2025.27.749

Omand, D., Bartlett, J., & Miller, C. (2012). Introducing Social Media Intelligence (SOCMINT). Intelligence and National Security, 27(6), 801–823. https://doi.org/10.1080/02684527.2012.716965

MITRE ATT&CK. (2020). Gather victim identity information (Technique T1589). MITRE Corporation. https://attack.mitre.org/techniques/T1589/

Krombholz, K., Hobel, H., Huber, M., & Weippl, E. (2015). Advanced social engineering attacks. Journal of Information Security and Applications, 22, 113–122. https://doi.org/10.1016/j.jisa.2014.09.005

Verizon Business. (2026). 2026 Data Breach Investigations Report. https://www.verizon.com/business/resources/reports/dbir/

Edwards, M., Larson, R., Green, B., Rashid, A., & Baron, A. (2017). Panning for gold: Automatically analysing online social engineering attack surfaces. Computers & Security, 69, 18–34. https://doi.org/10.1016/j.cose.2016.12.013

Pastor-Galindo, J., Nespoli, P., Gomez Marmol, F., & Martinez Perez, G. (2020). The Not Yet Exploited Goldmine of OSINT: Opportunities, Open Challenges and Future Trends. IEEE Access, 8, 10282–10304. https://doi.org/10.1109/access.2020.2965257

Fire, M., Goldschmidt, R., & Elovici, Y. (2014). Computationally identifying key actors in online social networks. Computers in Human Behavior, 40, 1–13. https://doi.org/10.1016/j.chb.2014.07.039

Hayes, D. R., & Cappa, F. (2018). Open-source intelligence for risk assessment. Business Horizons, 61(5), 689–697. https://doi.org/10.1016/j.bushor.2018.02.001

Bilge, L., Strufe, T., Balzarotti, D., & Kirda, E. (2009). All your contacts are belong to us: Automated identity theft attacks on social networks. In Proceedings of the 18th International Conference on World Wide Web (WWW ’09) (pp. 551–560). ACM. https://doi.org/10.1145/1526709.1526784

Freeman, L. C. (1977). A set of measures of centrality based on betweenness. Sociometry, 40(1), 35–41. https://doi.org/10.2307/3033543

Ho, G., Cidon, A., Gavish, L., Schweighauser, M., Paxson, V., Savage, S., Voelker, G. M., & Wagner, D. (2019). Detecting and characterizing lateral phishing at scale. In Proceedings of the 28th USENIX Security Symposium (pp. 1273–1290). USENIX Association. https://www.usenix.org/system/files/sec19-ho.pdf

Sepehrzadeh, H. (2023). A method for insider threat assessment by modeling the internal employee interactions. International Journal of Information Security, 22(5), 1385–1393. https://doi.org/10.1007/s10207-023-00697-9

Joint Task Force Transformation Initiative. (2012). Guide for Conducting Risk Assessments (NIST Special Publication 800-30, Rev. 1). National Institute of Standards and Technology. https://doi.org/10.6028/NIST.SP.800-30r1

Ivkova, V., & Opirsky, I. (2025). Investigation of the possibility of integrating the compartmentalization method into the protection of information in open sources. Computer systems and network. 2025. Vol. 7, No. 2. P. 71–83. URL: https://doi.org/10.23939/csn2025.02.071