社交网络中个人信息安全行为影响因素及保护机制研究

发布时间：2020-03-20 17:08

【摘要】：随着社交网络用户的逐渐增多,以互联网为基础的社交网络正逐渐成为人们进行信息交流的主要平台。社交网络的出现不但丰富了人们的精神世界,还为人们的生活带来了极大的便利。但是,社交网络作为一把双刃剑,在为用户提供方便的同时,也为个人信息安全带来了一定的风险。新浪微博、Facebook、Twitter等大型社交网络平台在为用户的信息传播提供更加多元的渠道以外,经常会发生用户隐私泄露事件。因此,在社交网络环境中,用户更需要提升信息安全保护意识,提升用户自身的信息素养。本文主要基于社会认知理论和保护动机理论,利用文献调研、实证研究和案例分析方法对社交网络中个人信息安全行为的影响因素与保护机制进行了研究。本文共有六个章节。首先,本文介绍了社交网络的研究背景、国内外关于社交网络和个人信息安全的研究现状,描述了社会认知、保护动机、社交网络、信息安全行为等相关理论和概念;其次,重点从自我效能、感知威胁、反应效能、回避行为、保护意愿五个维度分析了社交网络中个人信息安全行为的影响因素,并通过SPSS AMOS软件对问卷回收的数据做结构方程检验,研究显示自我效能、感知威胁、反应效能和保护意愿均对信息安全行为产生积极影响,只有回避行为对信息安全行为产生消极影响,据此提出了保护信息安全的对策;然后,结合影响因素的分析结果,基于保护动机理论提出了社交网络中个人信息安全保护机制和信息安全问责执行机制,并结合美国政府支付网站、Facebook隐私泄露、个人信息泄露事件这些具体的案例,对如何保护信息安全进行了分析,从政府层面、社交网络服务供应商层面和用户层面为如何保护个人信息安全提供了建议。本文在研究内容层面,结合了前沿热点,具备一定的新颖性;在理论基础层面,本文基于社会认知理论和保护动机理论,认真分析了社交网络中个人信息安全行为的影响因素,为其他信息安全行为的研究提供了新的研究视角;在实践层面,本文结合具体案例分析了信息保护机制如何帮助社交网络用户规避个人信息安全风险,对于提升个人信息安全具备一定的指导意义。
【图文】：

结构方程模型

量之间内部一致性牢固。4.3.2 模型拟合检验最大似然法是统计学中常用的计算方法，是一种具有理论性的点估计法，它用来求一个样本集的相关概率密度函数的参数。如果经过计算后的结构方程模型中的 S 与∑的值几乎一样，残差矩阵的值也都约等于 0 的话，则可以说明收集到的数据是合理可靠的，即本文构造的模型可以拟合回收数据。结构方程模型的质量，是通过实验者对比分析建立的模型与实际数据反映的变量关系所得出的，也就是模型拟合检验。但并不是模型拟合度好就代表变量之间的真实相关关系就是模型反映的相关关系，，这仅仅能说明模型反映的相关关系与真实关系是无限接近的。SPSS AMOS 提供的模型拟合指数可以从多方面对数据进行分析、预估，从而验证各假设条件。本文将问卷回收的数据代入构建的结构方程模型中进行分析，得到如图 2 所示的结构方程模型的结果图。
【学位授予单位】：吉林大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：G203

【相似文献】