Đại Học Medusa: Một Số Bài Toán Tối Ưu Trên Mạng Xã Hội - Luận Án Tiến Sĩ

Tìm hiểu các bài toán tối ưu trên mạng xã hội, luận án tiến sĩ khoa học máy tính từ Đại học Medusa. Nghiên cứu các thuật toán và mô hình lan truyền thông tin.

• Tác giả: Phạm Văn Cảnh
• Người hướng dẫn: TS. Kiều Mai Chi
• Trường học: Đại học Medusa
• Chuyên ngành: Khoa học máy tính
• Đề tài: Một số bài toán tối ưu trên mạng xã hội
• Loại tài liệu: Luận án tiến sĩ
• Năm xuất bản: 2024
• Địa điểm: Hà Nội

Tóm tắt

I. Giới Thiệu Luận Án Tiến Sĩ Về Tối Ưu Mạng Xã Hội

Sự phát triển của mạng xã hội trực tuyến đã biến chúng thành nền tảng truyền thông mạnh mẽ, đóng góp vào sự tăng trưởng kinh tế toàn cầu. Gần một nửa dân số thế giới sử dụng mạng xã hội, và nhiều người coi chúng là nguồn thông tin chính thức. Người dùng có thể trao đổi thông tin nhanh chóng, bất chấp khoảng cách địa lý. Mạng xã hội cung cấp nhiều ứng dụng hữu ích, làm cho cuộc sống thuận tiện hơn. Người dùng có thể thu thập thông tin cần thiết và chia sẻ quan điểm cá nhân. Ngoài các đặc tính kế thừa như tương tác, lan truyền thông tin, và tạo ảnh hưởng, mạng xã hội còn có nhiều đặc tính mới: cập nhật thông tin nhanh chóng, thời gian lan truyền tin ngắn, sự bùng nổ thông tin. Có thể nói, mạng xã hội đang trở thành công cụ hữu ích và là kho tri thức dễ dàng tiếp cận. Các chủ đề nghiên cứu về mạng xã hội được nhiều nhà khoa học quan tâm, đặc biệt là các bài toán lan truyền thông tin. Cần có giải pháp hiệu quả để quản lý thông tin, bao gồm phát tán thông tin cần thiết và ngăn chặn thông tin xấu. Việc giải quyết các bài toán tối ưu này nâng cao sự phục vụ và độ tin cậy của mạng xã hội. Kempe và các cộng sự đã đề xuất các mô hình phát tán thông tin đầu tiên là Ngưỡng tuyến tính (LT) và Bậc độc lập (IC) dựa trên các quan sát thực tế.

1.1. Tầm Quan Trọng Của Nghiên Cứu Mạng Xã Hội

Nghiên cứu mạng xã hội ngày càng trở nên quan trọng do tác động mạnh mẽ của thông tin trên mạng xã hội đến cộng đồng người dùng, gián tiếp ảnh hưởng đến công chúng trong thế giới thực. Do đó, các bài toán tối ưu trên mạng xã hội được chú trọng và nghiên cứu ngày càng rộng rãi. Việc giải quyết và áp dụng hai nhóm bài toán tối ưu này trong thực tiễn gặp một số thách thức chính. Các bài toán tối ưu trên mạng xã hội thường thuộc lớp bài toán tối ưu tổ hợp NP-Khó. Thêm vào đó, việc tính toán hàm mục tiêu thường là #P-Khó. Vì vậy, cần có những thuật toán hiệu quả để tìm lời giải tốt trong thời gian cho phép.

1.2. Mục Tiêu Nghiên Cứu Bài Toán Tối Ưu Trên MXH

Để nâng cao hơn nữa tính ứng dụng của mỗi bài toán tối ưu, cần nghiên cứu những biến thể phù hợp với thực tế theo các khía cạnh khác nhau như: thời gian, khoảng cách, chi phí, lợi ích, tính cạnh tranh. Tác giả cùng các cộng sự đã chọn chủ đề nghiên cứu “Một số bài toán tối ưu trên mạng xã hội” với mục tiêu nghiên cứu bài toán tối ưu IM, IB trên các mô hình phát tán truyền thông tin. Qua đó đề xuất nghiên cứu các bài toán biến thể mới có tính ứng dụng trong thực tiễn. Đề xuất các mô hình giải quyết các bài toán trên, nghiên cứu độ phức tạp của chúng trên các mô hình lan truyền thông tin được sử dụng rộng rãi.

II. Phân Tích Các Bài Toán Tối Ưu Thường Gặp Trên MXH

Các bài toán lan truyền thông tin có thể được phân loại thành hai nhóm quan trọng: Tối đa hóa ảnh hưởng (Influence Maximization - IM): Bài toán này yêu cầu chọn một tập hợp nhỏ người dùng (ngân sách giới hạn) để bắt đầu lan truyền thông tin sao cho số người bị ảnh hưởng bởi thông tin đó trên một mạng xã hội đạt cực đại. Nó nảy sinh từ các nhu cầu thực tiễn lan truyền tiếp thị sản phẩm, tối đa hóa lợi ích doanh nghiệp trong quảng bá sản phẩm, ngăn chặn dịch bệnh trên mạng xã hội, giám sát thông tin. Ví dụ, trong lan truyền tiếp thị sản phẩm, các doanh nghiệp thường chọn k người dùng để đưa các sản phẩm dùng thử sau đó yêu cầu những người dùng này đưa các thông tin về tính năng tốt lên các mạng xã hội để bắt đầu quá trình lan truyền thông tin về sản phẩm để số người dùng biết được thông tin và bị ảnh hưởng là lớn nhất. Ngoài ra, các biến thể có tính ứng dụng cao của bài toán tối ưu này cũng được quan tâm nghiên cứu.

2.1. Biến Thể Của Bài Toán Tối Ưu Hóa Ảnh Hưởng IM

Biến thể của bài toán IM theo thời gian, chi phí, khoảng cách, chủ đề quan tâm. Biến thể theo trường hợp có nhiều đối thủ cạnh tranh. Trong trường hợp này cần tối đa hóa ảnh hưởng của một đối thủ trong trường hợp lan truyền thông tin có sự cạnh tranh (bài toán tối đa hóa ảnh hưởng cạnh tranh). Ngăn chặn ảnh hưởng (Influence Blocking - IB): Mục tiêu của bài toán này là tìm một tập người dùng để loại bỏ, hoặc cách ly, hoặc bắt đầu lan truyền thông tin tốt sao cho ảnh hưởng của thông tin xấu (hoặc thông tin đối lập) đạt giá trị cực tiểu.

2.2. Ngăn Chặn Ảnh Hưởng Và Ứng Dụng Thực Tế Của Nó

Có thể hiểu đây là bài toán có mục tiêu ngược so với IM. Bài toán này nảy sinh từ nhu cầu thực tiễn cần có những giải pháp tối ưu trong việc ngăn chặn sự lan truyền của những yếu tố xấu như: thông tin sai lệch, virus, tin đồn trên các mạng xã hội trực tuyến. Có hai hướng tiếp cận cho nhóm bài toán tối ưu này là: Lan truyền thông tin tốt để hạn chế các thông tin xấu (tẩy nhiễm thông tin). Loại bỏ tập các đỉnh hoặc cạnh đóng vai trò quan trọng để hạn chế ảnh hưởng của một nguồn phát tán thông tin cho trước.

III. Đại Học Medusa Giải Pháp Tối Ưu Hóa Lan Truyền Tin Trên MXH

Đại học Medusa đã nghiên cứu bài toán Tối đa ảnh hưởng cạnh tranh tổng quát (Budgeted Competitive Influence Maximization - BCIM) là một biến thể của IM với mục tiêu tối ưu hóa ảnh hưởng trong trường hợp có sự cạnh tranh trên một số mô hình lan truyền thông tin cạnh tranh với ngân sách và thời gian hạn chế. Trước hết luận án đề xuất mô hình ngưỡng tuyến tính cạnh tranh ràng buộc thời gian TCLT để mô hình quá trình lan truyền có sự cạnh tranh của các đối thủ. Luận án xây dựng bài toán BCIM trên mô hình TCLT, chỉ ra tính chất của bài toán tối ưu trên mô hình này. Luận án đề xuất một thuật toán xấp xỉ hiệu quả SPBA cho bài toán BCIM. Thực nghiệm cho thấy thuật toán đề xuất cho kết quả tốt và có thể thực hiện với MXHTT cỡ hàng triệu đỉnh và cạnh.

3.1. Mô Hình TCLT Nền Tảng Cho Bài Toán Tối Ưu BCIM

Đại học Medusa đề xuất một thuật toán xấp xỉ hiệu quả SPBA cho bài toán BCIM. Thực nghiệm cho thấy thuật toán đề xuất cho kết quả tốt và có thể thực hiện với MXHTT cỡ hàng triệu đỉnh và cạnh. Ngoài ra, luận án cũng mở rộng nghiên cứu bài toán BCIM trên mô hình Ngưỡng tuyến tính cạnh tranh xác định. Các kết quả được công bố tại hội nghị quốc tế Computational Data & Social Networks (CSoNet) năm 2018, hội nghị IEEE-RIVF International Conference on Computing and Communication Technolo- gies (RIVF) năm 2019 và tạp chí Applied Sciences (SCIE) năm 2019.

3.2. Ứng Dụng Thực Tế Thuật Toán SPBA Trong Tối Ưu MXH

Thuật toán SPBA có khả năng áp dụng cho các mạng xã hội cỡ lớn. Điều này rất quan trọng vì các mạng xã hội thực tế thường có quy mô rất lớn, với hàng triệu thậm chí hàng tỷ người dùng. Sự hiệu quả của thuật toán SPBA giúp các nhà nghiên cứu và nhà phát triển có thể áp dụng nó vào các ứng dụng thực tế, ví dụ như tối ưu hóa chiến dịch quảng cáo trên mạng xã hội, phân tích sự lan truyền của thông tin trong một cộng đồng lớn, hoặc xác định những người có ảnh hưởng nhất trong một mạng xã hội.

IV. Hướng Dẫn Ngăn Chặn Thông Tin Sai Lệch Hiệu Quả Trên MXH

Đại học Medusa đã nghiên cứu bài toán Hạn chế tối đa thông tin sai lệch (Maximizing Misinformation Restriction-MMR) là một biến thể của bài toán IB, trong đó có xem xét ngân sách và thời gian hạn chế trên một số mô hình lan truyền thông tin. Tác giả đề xuất mô hình giải quyết bài toán MMR trên mô hình ngưỡng tuyến tính mở rộng. Tác giả chỉ ra độ phức tạp của bài toán này và đề xuất các thuật toán hiệu quả cho bài toán bao gồm các thuật toán xấp xỉ: FPTAS, IGA, SG và thuật toán heuristic PR-DAG. Ngoài ra, luận án cũng mở rộng kết quả nghiên cứu bài toán này trong trường hợp mô hình ngưỡng tuyến tính xác định.

4.1. Các Thuật Toán Giải Quyết Bài Toán Hạn Chế Thông Tin Sai Lệch

Các thuật toán xấp xỉ FPTAS, IGA, SG và thuật toán heuristic PR-DAG. Ưu điểm của thuật toán FPTAS là nó cung cấp một giải pháp gần tối ưu trong thời gian đa thức so với kích thước của dữ liệu đầu vào và độ chính xác mong muốn. Điều này rất quan trọng vì các mạng xã hội thường có kích thước rất lớn, và việc tìm kiếm một giải pháp chính xác có thể mất rất nhiều thời gian. Tuy nhiên, FPTAS có một số hạn chế, ví dụ như nó có thể không phù hợp với các mạng xã hội có cấu trúc phức tạp.

4.2. Đánh Giá Hiệu Quả Thuật Toán PR DAG Trong Thực Tế

Thuật toán PR-DAG có thể hoạt động tốt hơn trong các trường hợp mà FPTAS không hiệu quả. PR-DAG là một thuật toán heuristic, có nghĩa là nó không đảm bảo tìm thấy giải pháp tối ưu, nhưng nó có thể tìm thấy một giải pháp tốt trong thời gian hợp lý. Thuật toán này sử dụng cấu trúc đồ thị để ước lượng hàm mục tiêu, giúp nó đưa ra các quyết định thông minh hơn trong quá trình tìm kiếm giải pháp.

V. Phương Pháp Mới Ngăn Chặn Thông Tin Sai Lệch Có Chủ Đích

Trong một kịch bản khác, để hạn chế sự phát tán của thông tin sai lệch đảm bảo số người không bị ảnh hưởng bởi thông tin sai lệch lớn hơn một ngưỡng γ xác định, tác giả đề xuất nghiên cứu bài toán Hạn chế thông tin sai lệch có chủ đích (Targeted Misinformation Blocking-TMB). Tác giả đề xuất mô hình cho bài toán TMB, chỉ ra độ khó của bài toán trên các mô hình lan truyền thông tin phổ biến là IC và LT và đề xuất các thuật toán hiệu quả đối với bài toán này trên hai mô hình IC và LT tương ứng là STMB-IC và STMB-LT. Các kết quả thực nghiệm trên các dữ liệu MXHTT thực chỉ ra hiệu quả của các thuật toán đề xuất, đặc biệt các thuật toán có thể áp dụng cho các mạng cỡ lớn hàng trăm nghìn đỉnh.

5.1. Mô Hình Bài Toán Hạn Chế Thông Tin Sai Lệch Có Chủ Đích

Bài toán Hạn chế thông tin sai lệch có chủ đích (TMB) tập trung vào việc ngăn chặn sự lan truyền của thông tin sai lệch để đảm bảo rằng số người không bị ảnh hưởng bởi thông tin sai lệch lớn hơn một ngưỡng nhất định. Mô hình cho bài toán TMB được đề xuất bởi tác giả giúp định hình rõ ràng các yếu tố quan trọng và ràng buộc của bài toán này. Mô hình này không chỉ xác định mục tiêu cần đạt được mà còn xem xét các yếu tố như chi phí ngăn chặn, mức độ ảnh hưởng của thông tin sai lệch và các ràng buộc về tài nguyên.

5.2. Thuật Toán STMB IC STMB LT Giải Pháp Cho MXH Lớn

Hai thuật toán STMB-IC và STMB-LT được đề xuất để giải quyết bài toán TMB trên các mô hình lan truyền thông tin IC và LT tương ứng. Các thuật toán này được thiết kế để có thể áp dụng cho các mạng xã hội cỡ lớn với hàng trăm nghìn đỉnh, một yêu cầu quan trọng để đảm bảo tính thực tiễn của chúng. Hiệu quả của các thuật toán này được chứng minh thông qua các kết quả thực nghiệm trên các dữ liệu MXHTT thực, cho thấy khả năng của chúng trong việc ngăn chặn sự lan truyền của thông tin sai lệch trong các mạng xã hội có quy mô lớn.

VI. Kết Luận Hướng Nghiên Cứu Mới Về Bài Toán Tối Ưu MXH

Luận án này đã nghiên cứu các bài toán tối ưu trên mạng xã hội, đặc biệt là bài toán tối đa ảnh hưởng cạnh tranh tổng quát (BCIM) và bài toán hạn chế tối đa thông tin sai lệch (MMR), cũng như bài toán hạn chế thông tin sai lệch có chủ đích (TMB). Các mô hình và thuật toán đề xuất có thể áp dụng trong nhiều lĩnh vực, từ tiếp thị sản phẩm đến ngăn chặn thông tin sai lệch. Đại học Medusa tiếp tục nghiên cứu các bài toán liên quan đến bảo mật và quyền riêng tư trên mạng xã hội, cũng như các ứng dụng của trí tuệ nhân tạo trong mạng xã hội.

6.1. Ứng Dụng Các Bài Toán Tối Ưu Trong Thực Tế Đời Sống

Các mô hình và thuật toán được phát triển trong luận án này có thể được áp dụng trong nhiều lĩnh vực khác nhau, từ tiếp thị sản phẩm đến ngăn chặn thông tin sai lệch. Trong lĩnh vực tiếp thị, các doanh nghiệp có thể sử dụng các thuật toán tối ưu hóa ảnh hưởng để xác định những người có ảnh hưởng nhất trong mạng xã hội và tập trung các nỗ lực tiếp thị vào những người này. Trong lĩnh vực an ninh, các tổ chức chính phủ và phi chính phủ có thể sử dụng các thuật toán hạn chế thông tin sai lệch để ngăn chặn sự lan truyền của thông tin sai lệch và bảo vệ công chúng.

6.2. Định Hướng Tương Lai Nghiên Cứu Mạng Xã Hội Tại Medusa

Đại học Medusa có thể tiếp tục nghiên cứu các bài toán liên quan đến bảo mật và quyền riêng tư trên mạng xã hội, cũng như các ứng dụng của trí tuệ nhân tạo trong mạng xã hội. Nghiên cứu về bảo mật và quyền riêng tư trên mạng xã hội là rất quan trọng vì người dùng ngày càng quan tâm đến việc bảo vệ thông tin cá nhân của họ trên mạng. Nghiên cứu về các ứng dụng của trí tuệ nhân tạo trong mạng xã hội có thể giúp cải thiện trải nghiệm người dùng và giải quyết các vấn đề như tối ưu hóa quảng cáo, phát hiện thông tin sai lệch và phân tích tình cảm.

Trích đoạn nội dung tài liệu

CHƯƠNG 1 TỔNG QUAN VỀ CÁC BÀI TOÁN LAN TRUYỀN THÔNG TIN Chương này trình bày các kiến thức tổng quan về MXHTT, các mô hình phát tán thông tin thường được sử dụng để giải quyết các bài toán về lan truyền thông tin và các nghiên cứu tổng quan về hai bài toán lan truyền thông tin quan trong là Tối đa ảnh hưởng (IM), Ngăn chặn ảnh hưởng (IB) cũng như phân tích các bài toán biến thể của chúng. Trên cơ sở đó, chương này cũng trình bày động lực nghiên cứu các bài toán trong luận án. Giới thiệu về mạng xã hội Theo từ điển Cambrige 1 , một mạng xã hội ( MXHTT) là một trang web hoặc chương trình máy tính cho phép mọi người giao tiếp và chia sẻ thông tin trên internet bằng máy tính hoặc thiết bị di động. Những người tham gia vào MXHTT còn được gọi là cư dân mạng.

Người dùng trên mạng (gọi tắt là người dùng) có thể giao tiếp, trao đổi thông tin với nhau bất chấp khoảng cách địa lý. Họ cũng có thể chia sẻ thông tin, ý kiến, quan điểm, hoặc chia sẻ các bài viết của người khác v. Có thể nói, mỗi người dùng là một “phóng viên” trên MXHTT. Đặc tính này giúp cho các thông tin không những được phát tán nhanh chóng trên MXHTT mà nội dung của chúng còn rất đa dạng và phong phú.

Ngoài ra, các MXHTT còn là nền tảng cho việc phát triển các ứng dụng, nên người dùng còn có thể tiến hành nhiều hoạt động khác do MXHTT cung cấp. Với sự phát triển của MXHTT hiện nay, ngày càng có nhiều MXHTT mới được lập để khai thác các khía cạnh khác nhau đáp ứng toàn diện nhu cầu người dùng. Số người dùng trên các MXHTT trong những năm gần đây tăng lên nhanh chóng, hiện nay có khoảng 3 tỷ người dùng trên tất cả các MXHTT [86]. Theo một nghiên cứu vào năm 2015, 63% số người sử dụng Facebook hay Twitter ở Mỹ xem các mạng này là nguồn thông tin chính thức v.

Những số liệu này cho thấy ngày càng có nhiều người dùng sử dụng MXHTT và chúng đóng vai trò quan trọng trong nhu cầu giao tiếp, giải trí, thu nhận thông tin của con người trong thời đại hiện nay. Với số lượng người dùng đông đảo, MXHTT gây ra những ảnh hưởng lớn tới thế giới thực trong tất cả các lĩnh vực đặc biệt là chính trị và kinh tế. Ví dụ, thông tin được lan truyền trên các MXHTT Facebook và Twitter có ảnh hưởng đến kết quả bầu cử ở Mỹ năm 2016 [3]. MXHTT có ảnh hưởng tới phong trào biểu tình chống chính phủ ở Ả-rập 1 https://dictionary.

Theo đó, các cơ quan chính phủ đã dập tắt được các cuộc biểu tình nhờ các thông tin về tổ chức biểu tình trên các MXHTT [105]. Thông tin sai lệch về việc Tổng thống Mỹ Barack Obama bị thương tại Nhà Trắng gián tiếp gây ra thiệt tại 136.5 tỷ Đô la Mỹ tới thị trường tài chính [31] v. Các ví dụ này cũng minh chứng cho những tác động mạnh mẽ của MXHTT. Con người cần tận dụng được xu hướng công nghệ này trong việc phát triển kinh tế toàn cầu cũng như có những chính sách hợp lý trong việc hạn chế những tác động tiêu cực của MXHTT.

Những đặc điểm chung của MXHTT Có thể coi một MXHTT giống như một xã hội ảo mà mỗi tài khoản là một cá nhân trong thế giới thực. Ngoài ra, các MXHTT có một số đặc điểm nổi bật như sau: Đặc trưng thế giới nhỏ. Người ta đã kiểm chứng được rằng, đối với các MXHTT lớn khoảng cách trung bình kết nối giữa hai người dùng bất kỳ nhỏ hơn 6. Đây được coi là đặc trưng “thế giới nhỏ” của MXHTT [90, 29].

Với đặc trưng này, thông tin có thể dễ dàng lan truyền giữa các người dùng nhờ tính kết nối nhanh chóng. Đặc trưng tập nhân. Mỗi MXHTT chịu ảnh hưởng lớn của một số các nút quan trọng. Các nút này thường là những nút có bậc cao.

Ngoài ra sự phân bố các nút có bậc cao cũng có sự phân cấp, tức là bao quanh những nút có bậc cao là những nút có bậc thấp hơn và tiếp tục như vậy. Đặc tính này có nhiều ứng dụng trong truyền thông và đánh giá cấu trúc mạng. Phân bố lũy thừa. Các nhà khoa học cũng đã chứng minh được, thông thường các MXHTT có dạng mạng scale-free [26].

Trong mạng này, các đỉnh có phân bố bậc được mô tả bởi hàm P (k) là xác suất một đỉnh có bậc là k. Phân bố này có dạng: 1 P (k) = kγ trong đó 2 < γ < 3. Cấu trúc cộng đồng Trong các MXHTT, thường xuyên tồn tại các nhóm cộng đồng có quy mô khác nhau. Các cộng đồng có thể hiểu đơn giản là nơi tập trung cao mật độ các liên kết trong mạng.

Ngoài ra, cũng có những cộng đồng người dùng có cùng đặc điểm (sở thích). Có hai loại cấu trúc cộng đồng là: cộng đồng tách rời và cộng đồng chồng chéo. Việc nghiên cứu tính chất về cộng đồng có nhiều ứng dụng trong khoa học và thực tiễn. Lợi ích của MXHTT Các nhà cung cấp dịch vụ MXHTT đã tận dụng các tính năng của MXHTT để mang lại nhiều lợi ích cho người dùng, đóng góp rất đáng kể vào sự phát triển của nền 7 kinh tế toàn cầu.

Ứng dụng trong hoạt động kinh doanh. Các MXHTT đóng một vai trò quan trọng trong hoạt động của các doanh nghiệp. Các hoạt động quảng bá sản phẩm, giao dịch với khách hàng, đối tác, khảo sát ý kiến người dùng v. đều có thể thực hiện một cách dễ dàng và thuận lợi trên nền tảng các dịch vụ MXHTT.

Điều này dẫn đến sự phát triển trong toàn bộ các khâu của tiến trình sản xuất hàng hóa. Có thể nói trong các hoạt động này, hoạt động quảng bá sản phẩm thông qua các MXHTT đạt được nhiều thành công và thu hút được sự quan tâm của giới nghiên cứu nhất. Nhờ có hoạt động này, thông tin và các tính năng của sản phẩm được đưa đến người dùng một cách nhanh chóng và toàn diện hơn. Tìm kiếm các mối quan hệ.

Con người hiện đại có ít thời gian dành cho bản thân và mở rộng các mối quan hệ. Nhờ có MXHTT, người dùng có thể tìm kiếm các mối quan hệ mới cũng như duy trì các mối quan hệ hiện có. Có nhiều người chỉ cần sử dụng MXHTT để giữ liên lạc với bạn bè và đồng nghiệp của họ. Họ có thể nói chuyện với nhau, tương tác với nhau trên MXHTT thay vì gặp nhau trực tiếp.

Ứng dụng đối với các hoạt động của chính phủ. Các MXHTT gần đây đã cho thấy một giá trị lớn trong các phong trào xã hội và chính trị. Ví dụ: Trong cuộc cách mạng Ai Cập năm 2011, Facebook và Twitter đều đóng vai trò then chốt trong việc kết nối các cá nhân và tổ chức nổi dậy. Các nhà hoạt động Ai Cập đã đưa các thông tin về kế hoạch hoạt động cho nhóm người của họ trên các mạng này.

Họ cũng đưa ra những bằng chứng cho hàng ngàn người về sự tàn bạo của chính phủ qua các video. Ngoài ra, các MXHTT còn cho phép chính phủ các nước giám sát ý kiến của công chúng trong các hoạt động chính trị hoặc các hiệu ứng xã hội khác nhau. Những tác hại của MXHTT Sự phát tán virus và thư rác. Các MXHTT cũng là môi trường rất thuận lợi cho sự phát tán virus, mã độc.

Các virus là phần mềm độc hại được phát triển nhằm thực hiện mục đích của kẻ tấn công. Ví dụ như: thu thập thông tin của người dùng nhằm truy cập vào thông tin cá nhân, thực hiện các hành vi lừa đảo v. Dưới một môi trường thuận lợi cho việc lây lan nhanh chóng, nguy cơ này càng bùng phát trong thời gian gần đây. Một nguy cơ nữa cũng bùng phát cùng với sự phát triển của MXHTT đó là thư rác.

Nội dung của các thư này thường là các thông điệp quảng cáo hoặc chứa virus qua nhiều hình thức khác nhau như: gửi thông điệp, bình luận trên các trang được nhiều người theo dõi, đề cập, v. Lừa đảo qua MXHTT. Mục đích của các đối tượng sử dụng phương pháp này nhằm 8 lấy được những thông tin riêng tư, có giá trị của người dùng bằng cách giả mạo một người đáng tin cậy trên mạng. Hoặc kẻ lừa đảo có thể tìm cách tấn công vào tài khoản của người dùng và chiếm quyền đăng nhập vào tài khoản của họ sau đó tiến hành các hoạt động xấu như tống tiền, giả mạo thông tin, thu thập thông tin từ người thân của nạn nhân, vv.

Những khảo sát gần đây cho thấy rằng người có khả năng bị lừa đảo bởi hình thức này cao hơn do bản chất tương tác của MXHTT giống như một xã hội thực. Trong những năm gần đây, hoạt động này có xu hướng tăng mạnh. Theo báo cáo tình báo an ninh của Microsoft, 84, 5% tất cả các cuộc tấn công lừa đảo nhắm vào người sử dụng trên các trang MXHTT. Sự phát tán thông tin sai lệch và tin đồn.

Thông tin sai lệch là những thông tin giả mạo, không chính xác [42]. Có thể nói đây là một trong những thách thức lớn nhất hiện nay đối với cộng đồng người dùng trên MXHTT và tất cả các quốc gia có sử dụng các dịch vụ MXHTT. Nó không những có thể ảnh hưởng trực tiếp đến từng cá nhân mà còn gây ra những tổn thất về chính trị, nhận thức của cộng đồng và đặc biệt là tổn thất về kinh tế. Ví dụ, thông tin sai lệch về sự bùng phát dịch bệnh Ebola trên diện rộng gây ra sự hoang mang cho công chúng [69], hay theo các điều tra gần đây, thông tin sai lệch gây ảnh hưởng tới cuộc bầu cử tổng thống ở Mỹ vào năm 2016 và ở Pháp vào năm 2017 [3].

Thông tin sai lệch cho rằng Tổng thống Obama bị thương sau vụ hỏa hoạn ở nhà trắng gián tiếp gây thiệt hại tới thị trường chứng khoán là 136 tỷ Đô la [31]. Để ngăn chặn sự phát tán và tác hại của thông tin sai lệch, nhiều quốc gia đã xây dựng hệ thống chống tin giả mạo. Một số nước cũng đã yêu cầu các tổ chức cung cấp dịch vụ MXHTT cam kết loại bỏ sự hiện diện của thông tin sai lệch. Các mô hình phát tán thông tin trên MXHTT Theo Roger [83], sự phát tán, khuếch tán là một quá trình mà một sự đổi mới được truyền đạt qua các kênh nhất định theo thời gian giữa các thành viên của một hệ thống xã hội.

Có ba yếu tố quan trọng trong quá trình này là: thành viên trong hệ thống xã hội, sự tương tác lẫn nhau và các kênh truyền thông.