استفاده روزافزون از اینترنت برای اهداف اجتماعی ، داده های موجود در مورد همه ما را غنی تر می کند و باعث تقویت مفهوم دیجیتال پرسونا می شود. در حقیقت ، بیشتر ما با بیش از یک هویت آنلاین ، آنچه ما در اینجا به عنوان یک Pluridentity تعریف می کنیم ، نمایش داده می شود. این روند خطرات بیشتری را به همراه دارد: به خوبی شناخته شده است که اگر داده ها و امنیت آن به طور مؤثر مدیریت نشود می توان از امنیت یک پرسنل دیجیتال استفاده کرد. در این مقاله ، ما به طور خاص روی نوع جدیدی از حمله دیجیتالی متمرکز شده ایم که می تواند با ترکیب قطعات داده متعلق به همان Pluridentity به منظور نمایش مشخصات آنها انجام شود. بعضی از قربانیان می توانند به طور دقیق با نگاه به Pluridentity به تصویر کشیده شوند که با استفاده از مهاجمان اطلاعات جمع آوری شده ، می توانند حملات مهندسی اجتماعی بسیار شخصی را انجام دهند ، یا حتی از مکانیسم های امنیتی ایمن دور شوند. ما این حملات Pluridentity را به عنوان یک مسئله امنیتی یک سیستم مجازی سیستم توصیف می کنیم که سیستم های تشکیل دهنده آن هویت فردی و خود انسان ها هستند. ما یک استراتژی برای شناسایی آسیب پذیری های ناشی از بیان بیش از حد به دلیل ترکیبی از داده های هویت سازنده یک Pluridentity ارائه می دهیم. برای این منظور ما به معرفی Metamodel Digital Persona Portrayal Metamodel و آنالیز دیجیتال Pluridentity Persona Portrayal Analysis می پردازیم که از معماری کردن داده ها از هویت های مختلف پشتیبانی می کند: چنین مدل و فرایندی می تواند به دلیل سوء استفاده از آن به عنوان شناسایی شود. سیستم سیستم. این رویکرد بر روی Pluridentities هفده نامزد انتخاب شده از یک نشت داده ها ، با بازیابی داده های پرسنل دیجیتالی آنها ، و مطابقت آنها با مکانیزم های امنیتی Pluridentities آنها تأیید شده است. پس از تجزیه و تحلیل نتایج برای برخی از موضوعات مورد بررسی ، می توانیم آسیب پذیری های زیادی را تشخیص دهیم.