Die Preisgabe personenbezogener Informationen in sozialen Online-Netzwerken birgt erhebliche Risiken für die Privatsphäre. Angreifer können öffentlich zugängliche Profil-, Beziehungs- und Inhaltsdaten sammeln, korrelieren und zu umfassenden Personenprofilen zusammenführen. Diese Arbeit überträgt erstmals das Konzept des digitalen Zwillings, wie es in der Industrie 4.0 zur Simulation technischer Systeme genutzt wird, auf Akteure in sozialen Netzwerken. Ziel ist die Entwicklung eines Frameworks zur Quantifizierung von Privatsphäre-Gefährdungen. Im Rahmen dieser Arbeit stellt der digitale Zwilling eine plattformübergreifende Repräsentation realer Personen dar, die ausschließlich aus öffentlich zugänglichen Informationen sozialer Netzwerke mittels ontologischer Modellierungsansätze instanziiert wird. Auf dieser Basis wird eine messbare Bewertung potenzieller Gefährdungen in sozialen Netzwerken ermöglicht. Die Arbeit präsentiert ein Gefährdungsmodell, das neben einer allgemeinen Risikobewertung auch spezifische Szenarien wie Identitätsdiebstahl und Spear-Phishing-Angriffe berücksichtigt. Hierzu wird der in der Literatur verwendete Privacy Score um netzwerkstrukturelle Merkmale erweitert. Aufbauend darauf werden zwei anwendungsspezifische Metriken eingeführt: der Identity Theft Risk Score, der durch maschinelle Lernverfahren ermittelt wird, sowie der Spear-Phishing Exposure Score, der auf informationstheoretischen Konzepten basiert. Diese Metriken ermöglichen eine differenzierte Bewertung spezifischer Gefährdungsszenarien. Die erstellten digitalen Zwillinge werden anhand der entwickelten Metriken analysiert. Die Evaluation zeigt, dass nahezu die Hälfte (49,1 %) der digitalen Zwillinge über alle drei Metriken hinweg ein hohes Gefährdungspotenzial aufweist und somit als stark exponiert gilt. Das vorgestellte Framework bietet damit eine transparente und reproduzierbare Methode zur Quantifizierung potenzieller Gefährdungen in sozialen Netzwerken und bildet die Grundlage für zukünftige Schutzsysteme.     «

Die Preisgabe personenbezogener Informationen in sozialen Online-Netzwerken birgt erhebliche Risiken für die Privatsphäre. Angreifer können öffentlich zugängliche Profil-, Beziehungs- und Inhaltsdaten sammeln, korrelieren und zu umfassenden Personenprofilen zusammenführen. Diese Arbeit überträgt erstmals das Konzept des digitalen Zwillings, wie es in der Industrie 4.0 zur Simulation technischer Systeme genutzt wird, auf Akteure in sozialen Netzwerken. Ziel ist die Entwicklung eines Frameworks zu...     »