ТЕХНИКИ ЗАЩИТЫ ОТ МАНИПУЛЯТИВНОГО ВОЗДЕЙСТВИЯ В СОЦИАЛЬНЫХ СЕТЯХ
DOI:
https://doi.org/10.52167/1609-1817-2025-139-4-133-140Ключевые слова:
социальные сети, манипуляции, защита пользователей, алгоритмические методы, машинное обучение, нейронные сети, образовательные программы, цифровая грамотность, манипулятивный контентАннотация
Согласно полученным данным, наиболее эффективными методами противодействия последствиям манипуляций в Интернете являются процессы машинного обучения и образовательные программы пользователей. Высокая точность, полученная для алгоритмов случайного леса и нейронной сети, демонстрирует эффективность этих методов для распознавания различных уровней манипулируемого контента в текстовом и визуальном компонентах. Пользователи, которые принимают участие в образовательных курсах, чтобы выяснить манипуляции, приобретают знания о требованиях, которые соответствуют низким им, поэтому они мало восприимчивы к манипуляциям, поэтому оказывают существенную помощь алгоритмическим инструментам для обнаружения манипуляций. Защита пользователей социальных сетей становится эффективнее, когда они используют программные решения вместе с образовательными и вместе сокращают поток фейковых вещей. Повышение технологических мер безопасности с помощью такого рода стратегий улучшает критически важные навыки обработки информации у пользователей, тем самым уменьшая их восприимчивость к угрозам в долгосрочной перспективе. Системы защиты следующего поколения должны интегрировать методы, которые могут распознавать аспекты пользователя и его взаимодействие с поддерживающим контентом. Обманчивое обнаружение контента, а также индивидуализированные методы защиты будут развиваться из-за этих инноваций. Существующие социальные среды должны быть обучены этим конструкциям, чтобы исследователи могли изучать их влияние на поведение пользователей в специализированных средах, которые представляют характеристики людей.
Библиографические ссылки
[1] Vasilenko, A., & Dmitriev, S. (2021). Defensive Strategies Against Online Manipulations in Social Media. Journal of Cybersecurity, 14(3), 231-245.
[2] Lin, C., & Huang, T. (2020). User Protection Mechanisms Against Manipulation in Social Media. Journal of Information Security, 29(4), 257-269.
[3] Jones, M., & Taylor, P. (2022). Detection and Prevention of Manipulative Content in Social Networks. Computers & Security, 102, 103234.
[4] Peterson, R., & Schwartz, M. (2023). AI-based Approaches to Combat Manipulative Influence in Social Networks. Artificial Intelligence & Society, 38(1), 23-40.
[5] Singh, K., & Verma, R. (2021). Algorithmic Protection Against Psychological Manipulation in Social Media. Cyberpsychology, Behavior, and Social Networking, 24(8), 569-577.
[6] Zhang, Q., & Wang, Z. (2022). Machine Learning for Detection of Manipulative Social Media Content: A Review. International Journal of Information Technology & Decision Making, 21(3), 453-473.
[7] Garcia, R., & Gonzalez, M. (2021). The Role of Education in Preventing Manipulative Behavior in Online Communities. Computers in Human Behavior, 115, 106608.
[8] Alonso, G., & Castillo, J. (2021). Developing Trustworthy Social Media Platforms: Mitigating Manipulation Risks. Social Media + Society, 7(3), 205630512110163.
[9] McLuhan, A., & Silver, J. (2022). Ethical and Practical Approaches for Counteracting Social Media Manipulation. Information Ethics Journal, 28(2), 118-132.
[10] Xu, L., & Li, Y. (2020). Privacy-Preserving Methods to Combat Social Media Manipulation. Journal of Privacy and Confidentiality, 10(1), 1-22.
Загрузки
Опубликован
Как цитировать
Выпуск
Раздел
Категории
Лицензия
Copyright (c) 2025 Жулдыз Алимсейтова, Азамат Бакпокпаев
Это произведение доступно по лицензии Creative Commons «Attribution-NonCommercial-NoDerivatives» («Атрибуция — Некоммерческое использование — Без производных произведений») 4.0 Всемирная.
