Nel corso dell’ultimo decennio, la popolarità dell’uso di Darknet è aumentata vertiginosamente rispetto alla preoccupazione del pubblico in merito alla privacy e all’anonimato su Internet. La maggior parte degli studi di ricerca che approfondiscono le caratteristiche strutturali delle comunità darknet negli ultimi anni, hanno concluso che la maggior parte delle attività che si svolgono in varie comunità darknet sono più o meno illegali. Tuttavia, più recentemente, molti hanno iniziato a credere che questo non sia completamente vero.
I ricercatori che esaminano le comunità darknet utilizzano le informazioni derivate dalla scansione mediante l’algoritmo di scansione di Breadth First Search (BFS). Sebbene il crawling rappresenti un metodo ideale per studiare la struttura semantica e topologica di varie comunità darknet, l’algoritmo specifico utilizzato per eseguire la scansione delle darknet determina in larga misura quanto accurate siano le conoscenze ottenute da queste parti del deep web.
Con l’obiettivo di valutare i risultati di studi di ricerca che hanno esaminato la struttura delle attuali comunità darknet, una tesi recentemente pubblicata ha analizzato il modo in cui vari algoritmi di scansione analizzano le comunità darknet e come questo influenza le informazioni che conosciamo su di loro. La tesi illustrava i limiti della BFS; l’algoritmo di scansione principale utilizzato per esaminare le comunità darknet e ha presentato una vista dettagliata della rete tramite l’utilizzo di due ulteriori algoritmi di scansione per BFS; Prima ricerca casuale (RFS) e profondità prima ricerca (DFS). Come tale, la struttura topologica delle comunità darknet è stata ottenuta tramite l’implementazione di tre algoritmi di scansione; DFS, BFS e RFS, mentre la struttura semantica di queste comunità è stata esaminata tramite uno speciale algoritmo probabilistico noto come “Latent Dirichlet Allocation” (LDA).
Risultati interessanti che possono cambiare Come il mondo vede le comunità di Darknet:
La tesi includeva un’analisi comparativa degli algoritmi di scansione utilizzati durante lo studio della darknet. L’analisi ha concluso che qualsiasi studio futuro deve considerare l’utilizzo di una combinazione di più algoritmi di scansione come DFS, BFS e RFS per aumentare l’accuratezza dei risultati. Attraverso l’utilizzo di modelli tematici, la tesi ha concluso che BFS fornisce una varietà di argomenti relativamente più piccola, mentre DFS presenta una varietà di argomenti più ampia, a causa della differenza tra il metodo di funzionalità di ciascun algoritmo.
La tesi ha illustrato come la vista strutturale di varie comunità darknet può variare a seconda del punto di partenza utilizzato per condurre le procedure di scansione. Pertanto, per ottenere visualizzazioni più accurate della struttura di varie darknet, i ricercatori dovrebbero analizzare la rete utilizzando più punti di partenza per la scansione e quindi combinando i risultati di tutte le ricerche per indicizzazione con esito positivo per ulteriori analisi.
La tesi ha anche proposto un metodo per ottenere una visione accurata delle caratteristiche strutturali delle comunità darknet. Le informazioni relative alla distribuzione degli argomenti per pagina web sono state utilizzate come metrica per raggiungere questo obiettivo. Sono stati utilizzati cinquanta punti di partenza scelti a caso per eseguire la scansione per ogni 300 link e è stata osservata la media della distribuzione degli argomenti per ciascun algoritmo di scansione utilizzato. Come tale, l’analisi ha concluso che la RFS mostra una convergenza relativamente stabile al valore reale della rete, se confrontata con BFS e DFS. DFS ha prodotto valori più alti per le medie di distribuzione degli argomenti, mentre BFS ha prodotto valori più bassi. In base al comportamento degli algoritmi di scansione, è stato dimostrato che per DFS produrre risultati accurati, l’82% delle pagine Web darknet deve essere sottoposto a scansione, mentre il 100% delle pagine Web darknet deve essere sottoposto a scansione da BFS per ottenere risultati accurati e significativi. Di conseguenza, possiamo affermare chiaramente che qualsiasi risultato, per quanto riguarda la visione strutturale delle comunità darknet, derivato da studi di ricerca che hanno ignorato questi risultati sono per lo più inaccurati.
Nonostante non sia possibile ottenere solide conclusioni sulla struttura delle comunità darknet di oggi attraverso i risultati di questa tesi, rappresenta una tabella di marcia che può guidare gli studi futuri e cambiare totalmente il modo in cui il mondo vede la darknet e il web profondo in generale. Lo studio apre le porte a una miriade di argomenti di ricerca che possono formulare una migliore comprensione delle varie comunità darknet. Quindi, se la maggior parte degli studi precedenti ha dimostrato che la maggior parte delle attività su darknet sono illegali, sulla base dei risultati di questa tesi, si è dimostrato che questa è una conclusione imprecisa mediante l’analisi degli approcci striscianti utilizzati per trarre questa conclusione.