fa چهارچوب چندعاملی هوش تهدیدات شناختی در شبکه‌های اجتماعی امنیت نرم و تهدیدات شناختی Soft Security and Cognitive Threads پژوهشی Research Article <div style="text-align: justify;"><span style="font-size:9pt"><span style="line-height:15pt"><span style="direction:rtl"><span style="unicode-bidi:embed"><span cambria="" math="" style="font-family:"><span style="font-style:italic"><span lang="AR-SA" style="font-size:11.0pt"><span b="" nazanin="" style="font-family:"><span style="font-style:normal">گسترش اطلاعات ناصحیح در شبکه‌های اجتماعی، فراتر از یک چالش فنی، به یک تهدید شناختی بنیادین تبدیل شده است که با هدف‌گذاریِ ادراک جمعی، فرآیندهای تصمیم‌گیری و ثبات افکار عمومی را به مخاطره می‌اندازد. در این فضای تنش‌آلود، بازیگران مخرب با بهره‌گیری از شبکه‌های ناهماهنگ رباتی و الگوریتم‌های انتشار هماهنگ، روایت‌های کاذب را در مقیاس وسیع بازتولید می‌کنند؛ امری که به دلیل ماهیت پیچیده و پنهان این فعالیت‌ها، شناسایی کمپین‌های سازمان‌یافته را برای</span></span></span>&nbsp; <span lang="FA" style="font-size:11.0pt"><span b="" nazanin="" style="font-family:"><span style="font-style:normal">روش‌ها</span></span></span><span lang="AR-SA" style="font-size:11.0pt"><span b="" nazanin="" style="font-family:"><span style="font-style:normal">ای سنتیِ تحلیلِ پست‌محور با دشواری جدی مواجه کرده است. این پژوهش با هدف گذار از تحلیل‌های ایزوله، یک چهارچوب مهندسی و تحلیلیِ نوآورانه مبتنی بر تکنیک هم‌بسته‌سازی رویداد پیشنهاد می‌دهد. در این رویکرد، هسته مرکزی تحلیل بر پایه خوشه‌بندی محتوا در قالب &laquo;رویدادهای منسجم&raquo; استوار است که از طریق ترکیب هم‌سویی زمانی و شباهت معنایی عمیق استخراج می‌شوند. معماری طراحی‌شده با پیاده‌سازی یک خط لوله تحلیلی چندوجهی بر روی مجموعه داده </span></span></span>MISBOT<span lang="AR-SA" style="font-size:11.0pt"><span b="" nazanin="" style="font-family:"><span style="font-style:normal">، از عامل‌های هوشمند متخصص برای تلخیص روایت، بازشناسی موجودیت‌های کلیدی و تحلیل رفتاریِ کنشگران استفاده می‌کند تا سطح تهدید و پتانسیل تخریبی هر رویداد را به‌صورت کمّی برآورد نماید. نتایج تجربی حاصل از پیاده‌سازی این مدل، کارایی بالای آن را در رمزگشایی از کمپین‌های پیچیده اثبات می‌کند؛ به طوری که در یکی از موارد بررسی شده، سیستم موفق به شناسایی رویدادی شد که در آن </span></span></span><span lang="FA" style="font-size:11.0pt"><span b="" nazanin="" style="font-family:"><span style="font-style:normal">۵۰</span></span></span><span lang="AR-SA" style="font-size:11.0pt"><span b="" nazanin="" style="font-family:"><span style="font-style:normal"> درصد از مشارکت‌کنندگان، ربات‌های سازمان‌یافته‌ای بودند که در پوشش حساب‌های عادی به ترویج شایعات هدفمند می‌پرداختند. یافته‌ها نشان‌دهنده هم‌بستگی معنادار میان نرخ اطلاعات نادرست و شدت فعالیت رباتی است. در نهایت، این پژوهش با ایجاد پیوند طبیعی میان تحلیل محتوایی و الگوهای رفتاری، شکاف موجود در لایه‌های دفاع شناختی را کاهش داده و چهارچوبی عملیاتی برای ارتقای تاب‌آوری سکوها در برابر جنگ‌های روایتی مدرن ارائه می‌دهد.</span></span></span></span></span></span></span></span></span></div> 21 35 http://monadi.isc.org.ir/browse.php?a_code=A-10-588-1&slc_lang=fa&sid=1 Amin Hadidi امین حدیدی aminhadidi[at]eng.ui.ac.ir 10031947532846002327 10031947532846002327 No University Of Isfahan دانشگاه اصفهان Mansooreh Ezhei منصوره اژه ای m.ezhei@comp.ui.ac.ir 10031947532846002328 10031947532846002328 Yes University Of Isfahan دانشگاه اصفهان Behrooz Tork Ladani بهروز ترک لادانی ladani@eng.ui.ac.ir 10031947532846002329 10031947532846002329 No University Of Isfahan دانشگاه اصفهان