Анотац╕я. Запропоновано п╕дх╕д до переведення системи мон╕торингу ╕ анал╕зу соц╕альних мед╕а з питань к╕бербезпеки .К╕берагрегатор. на технолог╕╖ Big Data, зокрема, на компоненти Elastic Stack ╕ графову СУБД Neo4j.

Анотац╕я. Представлено ╕нтегрований п╕дх╕д до виявлення джерел деструктивного впливу в соц╕альних мережах, що узагальню╓ так╕ напрямки досл╕дження: л╕нгво-статистичний, мережевий ╕ к╕льк╕сний (анал╕з динам╕ки публ╕кац╕й). Наведена методолог╕я ма╓ пройти апробац╕ю у склад╕ системи .К╕берагрегатор..

Summary. An integrated approach to identifying the sources of destructive influence in social networks is presented. Three areas of research are summarized: linguistic statistical, network and quantitative (analysis of the publications dynamics). The presented methodology will be implemented in the Cyberaggregator system.

Ключов╕ слова: деструктивний вплив, соц╕альн╕ мереж╕, л╕нгв╕стичний анал╕з, мережевий анал╕з, динам╕ка пов╕домлень.

В умовах сучасно╖ ╕нформац╕йно╖ в╕йни, в процес формування сусп╕льно╖ думки втручаються джерела ╕з соц╕альних мереж, деяк╕ з яких ╓ деструктивними. Виявлення таких джерел . актуальна задача нац╕онально╖ безпеки.

Авторами досл╕джено ╕ реал╕зовано п╕дходи до р╕шення ц╕╓╖ задачи: л╕нгво-статистичний, що базу╓ться на анал╕з╕ сл╕в ╕ словосполучень, як╕ можуть виступати маркерами (╕ндикаторами) ман╕пуляц╕й; мережевий, що базу╓ться на анал╕з╕ мереж вза╓мозв.язк╕в пов╕домлень, мереж .╕нформац╕йно╖ близькост╕. джерел пов╕домлень, мережевих моделей предметних галузей ╕ в╕дпов╕дних ╖м джерел, тощо; анал╕з динам╕ки публ╕кац╕й в╕д окремих джерел, показник╕в особливостей ╖х розпод╕лу, дисперс╕╖, експоненти Херста, аномальних в╕дхилень.

Передбача╓ться по╓днання цих п╕дход╕в в рамках ╓диного програмно-анаратного комплексу у склад╕ системи .К╕берагрегатор., що базу╓ться на технолог╕ях Big Data (пошукова система Elastic search, система в╕зуал╕зац╕╖ Kibana, мережева база даних Neo4j).

Висновки. Наведений п╕дх╕д узагальню╓ зм╕стовн╕ ╕ к╕льк╕сн╕ методи виявлення джерел деструктивного впливу в соц╕альних мережах ╕ ма╓ по╓днувати ╖х переваги. Деяке упов╕льнення часу розрахунку р╕вня деструктивного впливу в╕д окремих джерел ма╓ бути подолано за рахунок застосування технолог╕й Big Data.