CC BY
37
РАЗРАБОТКА СИСТЕМЫ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЯ ДЛЯ ОЦЕНКИ РИСКОВ И УГРОЗ НАЦИОНАЛЬНОЙ БЕЗОПАСНОСТИ
Скворцова М. А., Терехов В. И.*
Ключевые слова: информация, национальная безопасность, интеллектуальные методы, метод анализа иерархий, метод попарного сравнения, гибридная интеллектуальная система, системы поддержки принятия решений.
Аннотация.
Цель: развитие научно-методической базы теории систем поддержки принятия решения с применением гибридных интеллектуальных методов и с использованием неструктурированной входной информации
Метод: системный анализ современного состояния проблемы оценки рисков и угроз национальной безопасности и обоснование направлений и принципов её решения.
Результаты: рассмотрены требования основных нормативных правовых актов и документов в области национальной безопасности, определены основные недостатки в области разработки эффективных систем поддержки принятия решения; обосновано предложение по решению соответствующих основных проблем с учетом действующей стратегии национальной безопасности.
Определена обобщенная структурная схема гибридной интеллектуальной системы оценки рисков и угроз. Представлены результаты работы авторского прототипа системы. Обоснованы выводы по дальнейшему улучшению системы и качества получаемых результатов. Сделано обоснованное предположение об использовании прогнозирования как направления дальнейшего применения и доработки системы.
Р01: 10.21681/1994-1404-2018-4-24-34 Введение
В последние годы интенсивно развивается рынок экспертных систем, систем поддержки принятия решений и гибридных интеллектуальных систем (ГИС) [1 - 4]. Так, например, ГИС использует преимущества традиционных средств и методов искусственного интеллекта, и, в то же время, преодолевает присущие им недостатки, способна решать задачи, которые до сих пор неудовлетворительно решались отдельными методами искусственного интеллекта. Кроме того, ГИС позволяет наиболее эффективно обрабатывать формализуемые и неформализуемые знания за счёт интеграции как традиционных методов логической обработки данных, так и искусственного интеллекта - экспертных и нечётких методов, искусственных нейронных сетей, генетических алгоритмов и др.
Используя системы, созданные на основе гибридного подхода, можно усовершенствовать уже существую-
щие методы и алгоритмы и создавать более эффективные подходы к решению существующих проблем.
Одной из наиболее обсуждаемых тем в настоящее время является тема глобализации и безопасности экономических, политических, правовых и культурных процессов в современном мире. Суть этих процессов заключается в нарастающей унификации информационных и коммуникационных технологий, способов принятия решений, в формировании единых стереотипов мышления и поведения субъектов, действующих в экономическом, информационном, культурном пространстве. Объектами повышенного внимания являются религии, идеологии, естественные языки, языки программирования, национальные и региональные валюты, системы стандартов и международных договоров, узаконенные правила поведения и др. Стоит заметить, что в связи с быстро меняющейся мировой обстановкой, роль государства в безопасности страны становится размытой, так как на эти процессы начинают влиять большое количество факторов, которые государство не способно быстро отследить и изменить. При определённых условиях, рассматривая, каждую
* Скворцова Мария Александровна, ассистент кафедры компьютерных систем и сетей Московского государственного технического университета им. Н. Э. Баумана, г. Москва, Россия. E-mail: mariya.gavrilovaa@ya.ru
Терехов Валерий Игоревич, кандидат технических наук, доцент, заместитель заведующего кафедрой компьютерных систем и сетей Московского государственного технического университета им. Н. Э. Баумана, г. Москва, Россия. E-mail: terekchow@bmstu.ru
область подробнее, можно сформировать список рисков, которые могут привести к негативной или критической ситуации в сфере национальной безопасности и защите интересов страны [7, 8]1.
Гибридные интеллектуальные системы, при правильном проектировании способны проанализировать и оценить существующие риски в сфере национальной безопасности Российской Федерации, сформировать сценарии развития событий в сложившейся ситуации по оценке найденных рисков и дать рекомендации о мерах защиты.
Теоретическое обоснование
В литературе [7, 8, 12] много внимания уделяется системам автоматизации, но мало говорится, о теоретической, математической и технической стороне вопроса. Поэтому, прежде чем перейти к рассматриваемому предмету представляется целесообразным определить, что будет пониматься под гибридной интеллектуальной системой, риском и оценкой риска в определённых сферах.
В качестве области исследования в работе определены военно-политическая и социально-экономическая сферы, так как согласно Стратегии национальной безопасности2 они является основополагающими при оценке рисков и проектировании документов, касающихся безопасности Российской Федерации. Однако очевидно, что модель предлагаемой системы можно использовать в любой сфере деятельности человека (государственной, военной, политической, правовой, экономической, социальной, информационной, техногенной, экологической и др.), будь то риски на предприятиях, либо риски, угрожающие жизнедеятельности человечества. При этом объектом данного исследования является гибридная интеллектуальная система, под которой, в дальнейшем, будем понимать информационную систему, использующую комбинацию традиционных методов обработки данных и интеллектуальных методов [5, 8]3.
1 См. также: Положение о системе независимой оценки рисков в области пожарной безопасности, гражданской обороны и защиты населения и территорий от чрезвычайных ситуаций природного и техногенного характера на территории Российской Федерации. Режим доступа: http://41.mchs.gov.ru/document/2912473 (дата обращения 01.12.2018); Федеральный закон «О стратегическом планировании в Российской Федерации». - URL: http://pravo.gov.ru/proxy/ips/ docbody=&nd=102354386 (дата обращения 01.12.2018).
2 Указ президента Российской Федерации «Стратегия национальной безопасности Российской Федерации до 2020 года». - URL: https:// rg.ru/2009/05/19/strategia-dok.html (дата обращения 01.12.2018).
3 См. также: Official site of Federation of European risk management associations. [Online]. Available: http://www.ferma.eu/ (дата обращения 01.12.2018); Global Trends: Paradox of Progress. [Online]. Available: https://www.dni.gov/ (дата обращения 01.12.2018); Official site of the Eurasian group on combating money laundering and financing of terrorism (EAG). [Online]. Available: http://www.eurasiangroup.org (дата обращения 01.12.2018); Официальный сайт глобальной политики. [Online]. Available: http://www.russiapost.su/ (дата обращения 01.12.2018); Прогноз социально-экономического развития РФ до 2030 года. - URL: http://economy.gov.ru/minec/activity/sections/macro/
Для проведения исследований в области оценки рисков национальной безопасности Российской Федерации, необходимо руководствоваться понятиями, описанными в действующих руководящих докумен-тах4, где под риском понимается сочетание вероятности нанесения ущерба и тяжести этого ущерба, а под оценкой риска - общий процесс анализа и оценивания риска. Анализом риска является систематическое использование полученной из всех доступных источников информации для выявления опасностей и количественной оценки риска, а допустимым риском - риск, который в данной ситуации считают приемлемым при существующих общественных ценностях.
В нормативных документах и правовых актах5 также используется понятие стратегического риска, которое описывается как событие с отрицательными последствиями, применимое к любой сфере деятельности. При этом стратегические риски классифицируются по следующим признакам: по масштабам реализации опасностей, по локализации источников опасностей, по сферам возникновения рисков и по сферам реализации этих рисков и опасностей. Основной целью является недопущение перехода от риска к вызову, а от вызова к угрозе, так как угроза является максимальным уровнем опасности для жизнедеятельности человека.
В иностранных публикациях6, особое внимание уделяется сравнению понятий риска, опасности и угрозы, как однотипным понятиям, не имеющим сильных различий в понимании. Поэтому, в данном исследовании, под понятием риска понимается любая степень опасности (угроза, вызов или риск).
Изучая статистику отчётов различных российских и международных организаций, можно прийти к выво-
prognoz/doc20130325_06 (дата обращения 01.12.2018); Банк документов Президента РФ / URL: http://kremlin.ru/acts/bank (дата обращения 01.12.2018); Банк документов Правительства РФ по Стратегическому
планированию в разных областях и сферах / URL: http://government.
ru/govworks/625/events/ (дата обращения 01.12.2018); Документы стратегического планирования Российской Федерации URL: https:// strategyrf.ru/rf/documents (дата обращения 01.12.2018).
4 Положение о системе независимой оценки рисков в области пожарной безопасности, гражданской обороны и защиты населения и территорий от чрезвычайных ситуаций природного и техногенного характера на территории российской федерации. Режим доступа: http://41.mchs.gov.ru/document/2912473 (дата обращения 01.12.2018); ГОСТ Р 51898-2002. Аспекты безопасности. Правила включения в стандарты: сочетание вероятности нанесения ущерба и тяжести этого ущерба.
5 См., например: ГОСТ Р 51898-2002. Аспекты безопасности. Правила включения в стандарты: сочетание вероятности нанесения ущерба и тяжести этого ущерба; The IEEE website. [Online]. Available: http://www.ieee.org/ (дата обращения 01.12.2018); Федеральный закон «О стратегическом планировании в Российской Федерации» URL: http://pravo.gov.ru/proxy/ips/docbody=&nd=102354386 (дата обращения 01.12.2018); Федеральный закон «О безопасности» URL: https:// rg.ru/2010/12/29/bezopasnost-dok.html (дата обращения 01.12.2018); SIPRI Yearbook 2017: Armaments, Disarmament and International Security // Oxford University Press. [Online]. Available: https://www.sipn. org/sites/default/files/2017-09/yb17-summary-eng.pdf (дата обращения 01.12.2018).
6 The IEEE website. [Online]. Available: http://www.ieee.org/ (дата обращения 01.12.2018).
ду, что по любой сфере жизнедеятельности человека, имеется достаточное количество достоверной информации (законы, отчёты правительства, отчёты независимых экспертов и аудиторов, новостные источники). Каждая из этих организаций раз в год делает отчёт по текущей ситуации в мире и делится прогнозами с вероятными сценариями развития событий. Поэтому, очень важно понять, как определяют прогнозирование эксперты из Российской Федерации. Эксперты определяют прогнозирование как деятельность участников стратегического планирования по разработке научно-обоснованных представлений о рисках социально-экономического развития, об угрозах национальной безопасности Российской Федерации, о направлениях, результатах и показателях социально-экономического развития Российской Федерации, субъектов страны и муниципальных образований. Национальная безопасность Российской Федерации - это состояние защищённости личности, общества и государства от внутренних и внешних угроз, при котором обеспечивается реализация конституционных прав и свобод граждан Российской Федерации.
Структура системы поддержки принятия решений для оценки рисков и угроз
В настоящее время интеллектуальные системы, как правило, не разрабатываются отдельно, а встраиваются в виде модулей в традиционные информационные системы для решения задач, связанных с интеллектуальной обработкой данных и знаний.
На рис. 1 показана обобщённая структура системы поддержки принятия решений (СППР), как составной части гибридной интеллектуальной системы для оценки рисков на основе неструктурированной информации, разделённая на несколько основных модулей, работа которых взаимосвязана.
Модуль «Сбор и обработка неструктурированной информации». В данном модуле происходит сбор необходимой информации из неструктурированных источников, посредствам автоматических роботов. Далее информация проходит предобработку для последующей обработки, хранения и обучения ГИС. Необходимо отметить, что задача сбора информации из неструктурированных и слабоструктурированных источников не является объектом данного исследования. Все данные были получены с помощью специально написанных роботов, которые автоматически собирали информацию из заданных источников.
Модуль «Извлечение данных» предназначен для извлечения эталонных данных и эталонных моделей рисков для последующего обучения системы. Также извлечённые данные обрабатываются под шаблоны, которые необходимы для работы системы.
В модуль «Интеллектуальный анализ данных» входят подпрограммы, результат анализа которых выводится пользователю в формате отчёта, содержащего оптимальные решения.
Модуль «Оценка рисков на основе показателей» предназначен для проведения расчётов на основе оценок экспертов по множеству показателей с целью принятия решения о заблаговременной подготовке сценариев развития в анализируемой сфере при наступлении критической ситуации.
Модуль «Оценка рисков на основе событий» предназначен для оценки текущего состояния анализируемой сферы и определения рисков на основе событий, выделенных в потоке текстовых сообщений.
Модуль «Общая оценка рисков» предназначен для сравнения результатов работы функций, предназначенных для оценки обстановки в анализируемой сфере и формирования общего состояния с использованием метода анализа иерархий.
Рис. 1. Обобщённая структура СППР оценки рисков и угроз
Модели оценки рисков на основе полученной информации
Существует множество критериев, на основании которых оцениваются риски в различных сферах деятельности. К таким критериям можно отнести: множество сообщений, описывающих событие; вектор слов события; множество имен персон и организаций; вектор релевантности события темам и др. Так, например, при сопоставлении документов и событий определяется сходство между соответствующими компонентами их моделей с использованием различных мер близости.
Заключительные части эталонных ситуаций, признанных близкими к текущей, являются возможными сценариями развития текущей ситуации. Та из них, для которой вероятность аналогичности текущей ситуации максимальна, является наиболее вероятным сценарием.
В исследовании были определены три варианта развития ситуаций:
• по пессимистичному сценарию (нужно выбрать дальнейшее действие, которое необходимо предпринять);
• по наиболее вероятному сценарию (действие выбирается из заранее внесённых);
• по оптимистичному сценарию (указывается срок выполнения определённых действий).
Для определения приоритетности оптимистичного и пессимистичного сценариев, сформированных на основе эталонных ситуаций, используется метод анализа иерархий [3, 5, 6, 9, 10, 12, 13], позволяющий вычислить приоритет каждого из сценариев на основе набора критериев. Приоритетность критериев относительно цели вычисляется на основе попарных сравнений, выполняемых экспертами на этапе обучения гибридной системы (интеллектуального модуля).
Метод анализа иерархий (МАИ) разработан известным специалистом в области теории принятия решений Томасом Саати (Thomas L. Saaty). МАИ является методологической основой для решения задач выбора альтернатив посредством их многокритериального рейтингования, имеет строгое математическое обоснование. Под словом рейтингование подразумевается операция сравнения двух объектов и установление численного значения в соответствии с выбранной шкалой взаимного влияния. Т. Саати предположил, что модель ситуации принятия решения можно представить в виде многоуровневой декомпозиции проблемы на относительно небольшие группы.
В методе анализа иерархий рейтингование внутри кластера (группы) элементов осуществляется методом парных сравнений, что позволяет определить приоритеты среди всей совокупности, сравниваемых объектов. Для выявления приоритетов используется метод вычисления собственных векторов матрицы парных сравнений. Т. Саати предложил упрощённый вариант вычисления собственных векторов, используя значения близости оценок, как среднегеометрическую ве-
личину. При этом выявлять ошибочные суждения при парном сравнении элементов (объектов) кластера, Саати предложил с помощью процедуры согласования данных, которая основана на вычислении частного индекса согласования сравнений с последующим сравнением, полученного частного индекса, со среднестатистической величиной отклонения. Полученные данные позволяют принять или отклонить гипотезу о достоверности полученных данных.
Удобство МАИ заключается в том, что лицо, принимающее решение (ЛПР), может получить рейтинг альтернатив (вариантов решений), выраженных количественной оценкой. Причём, чем более предпочтительна альтернатива по избранному критерию, тем больше ее приоритет.
Формирование структуры модели принятия решения в МАИ достаточно трудоёмкий процесс. Вместе с тем процедуры расчётов рейтингов в МАИ просты, что выгодно отличает его от других методов принятия решений. Схема применения метода не зависит от предметной области, в которой принимаются решения. Основное преимущество МАИ заключается в том, что исследователь получает количественную оценку предпочтительности посредством рейтингования. Это способствует полному и адекватному выявлению предпочтений лица, принимающего решение.
Наиболее часто ЛПР, с помощью МАИ, решает поставленные задачи при следующих условиях:
1. имеется множество вариантов решения задачи или несколько сравниваемых объектов, при этом необходимо выбрать лучший вариант;
2. варианты решения зависят от определённых факторов (критериев), необходимо учесть зависимость каждого варианта решения от влияния множества показателей, которые принадлежат критериям;
3. данные, которые характеризуют критерии, часто не определены или не точны, а решение будет определённым в том случае, если будут определены рейтинги критериев.
При этом Т. Саати, предлагая методологию МАИ, исходил из того, что окончательное решение должен принять ЛПР, а точнее - индивидуум или группа индивидуумов, а целью ЛПР является снизить риск решения за счёт определения сравнительных характеристик для каждого критерия. С позиции ЛПР риск - это событие, связанное с опасным явлением или процессом, которое может произойти или не произойти. Исходя из этого ЛПР выдвигает, прежде всего, цель, к которой стремится при постановке задачи с многокритериальной оценкой альтернатив, а конечным результатом решения задачи является:
а) выбор наиболее подходящего варианта решения из нескольких;
б) получение количественного показателя для объекта, который сравнивается с аналогами;
в) распределение альтернатив в порядке их значимости с установкой весовых коэффициентов для каждой из них;
г) определение вероятности свершения события в будущем в зависимости от изменяющихся условий.
Таким образом, следует поставить задачу шире: необходима методика оценки природных и техногенных рисков, учитывающая указанные ограничения и сложности и отвечающая заданным требованиям.
Чтобы оценить эффективность методов, необходимо рассмотреть их множество, в соответствии с которым методы можно разделить на три основные группы:
1) статистические методы;
2) методы экспертных оценок;
3) методы моделирования.
Для того, чтобы использовать методы для оценки природных и техногенных рисков, необходимы уровни шкалы для оценки риска. Входными переменными могут служить значения трёх факторов риска на отрезке [0, 1], описанные лингвистическим терм-множеством (очень низкий, низкий, средний, высокий, очень высокий), представленными в таблице.
Приоритетность альтернатив относительно каждого критерия (определённого риска) вычисляется автоматически на основе характеристик сценариев. По итогам расчёта приоритета сценариев определяются наиболее оптимистичный и пессимистичный сценарии (рис. 2).
Таблица
Уровни шкалы при оценке факторов риска
Уровни шкалы Риск Наносимый ущерб
Очень низкий (от 0 до 0.2) Событие практически никогда не происходит Незначительные материальные потери и потери ресурсов, которые быстро восполняются
Низкий (от 0.2 до 0.4) Событие случается редко Более заметные потери материальных активов, существенное влияние на репутацию и ущемление интересов
Средний (от 0.4 до 0.6) Событие вполне возможно при определённом стечении обстоятельств Достаточные потери материальных активов или ресурсов, или достаточные урон репутации и интересов
Высокий (от 0.6 до 0.8) Скорее всего, событие произойдёт при каком обстоятельстве Значительные урон репутации и интересам, представляет сильную угрозу
Очень высокий (от 0.8 до 1) Событие вероятнее всего произойдёт с большой вероятностью Разрушительные последствия для этой сферы или всех сфер в совокупности
Рис. 2. Алгоритм вычисления оптимального сценария для формирования предложений
Анализ задачи обоснования варианта методики оценки возможных рисков и угроз показал, что она является слабоструктурированной, многокритериальной задачей оптимизации. Для решения таких задач предложено много математических методов. При этом в большинстве методов используется сложный математический аппарат, с помощью которого осуществляется логическая обработка данных, проверка их согласованности, адекватности для предложенной модели, проверка статистической надёжности результатов. Поэтому приходится проводить множество экспериментов и измерений, чтобы получить количественные оценки. Кроме того, часто приходится разделять задачу на несколько независимых модулей, осуществлять сбор данных и их сопряжение, что становится весьма громоздкой процедурой и требует много времени, ресурсов и сил.
Практическая реализация
В разработанном [11] прототипе системы в качестве исходных данных для анализа информации были использованы данные из неструктурированных или слабоструктурированных источников, состоящих из 40 сайтов и более 90 разделов по этим сайтам (федеральные и региональные сайты с открытыми данными, информационные агентства и новостные порталы, сайты
с аналитической информацией и др.) - это более 600 млн. сообщений, собранных при помощи мониторинга ресурсов один раз в час.
Практические эксперименты для оценки рисков были проведены на полученных из неструктурированных источников данных следующими методиками: методика оценки рисков на основе событий, методика оценки рисков на основе показателей и общая методика оценки рисков национальной безопасности Российской Федерации.
В основу методики оценки рисков на основе событий лёг метод графов в котором скорость роста активности темы (события) определяет диаметр соответствующего узла, а скорость роста активности связи между темами - толщину соответствующего ребра. Как видно на рис. 3 информация о росте активности рисков по событиям и связей между ними выполняется построением графа, в котором узлы соответствуют темам, а ребра - связям между темами. Цвет узлов (рёбер) отражает скорость роста активности соответствующих рисков. Узлы и рёбра могут иметь три возможных цвета (в оригинальном изображении): зелёный (медленный рост активности темы/связи между темами); жёлтый (средний рост активности темы/связи между темами); красный (быстрый рост активности темы/связи между темами).
Рис. 3. Отображение результатов работы методики оценки рисков на основе событий (слева - построение
обобщённого графа, справа - увеличенная часть графа)
В основу методики оценки рисков на основе показателей взято вычисление среднего интервального показателя по каждой сфере жизнедеятельности, задание весов для групп показателей в диапазоне [0,1] и задание значений показателей в диапазоне [0,1]. Состояние обстановки относительно события, определяется в несколько этапов.
На первом этапе оператор (человек, отвечающий за введение данных в систему), либо эксперт, на основе экспертной оценки вводит необходимые значения по-
казателей по всем сферам. Ввод значений показателей производится путём установки их значений в «1». После ввода значений показателей производится формирование отчётов, в котором выводятся значения по сферам показателей и интегральный показатель (рис. 4).
В основу общей методики оценки рисков был положен метод анализа иерархий и метод попарного сравнения. Особое внимание необходимо уделить оценке важности критериев между собой.
Сфера индикэторэ Статус ситуации
Общая характеристика показателей Критическая
Политическая сфера Критическая
Природная и техногенные сферы '—--_ -_■-— • Напряженная
Социальная сфера Нормальная
Экономическая сфера Нормальная
Рис. 4. Форма отчёта, содержащего форму для ввода показателя (слева) и таблицу по оценки рисков во всех
сферах жизнедеятельности (справа)
Перед формированием отчёта по общей оценке рисков сначала необходимо заполнить таблицу численными значениями метода попарного сравнения, а затем по полученным результатам и проведённому анализу с помощью МАИ сформировать оценку с учётом введённых альтернатив. Все данные вводятся в систему согласно полученным от экспертов оценкам во всех сферах жизнедеятельности.
Результаты исследования
Реализация предложенной в статье ГИС является достаточно сложной и трудоёмкой научно-прикладной задачей, но при этом данная система будет чрезвычайно востребованной для оценки военно-политической обстановки в Российской Федерации, а также при оценке рисков национальной безопасности (рис. 5).
Основные же сложности анализа связаны с оценкой рисков и его факторов (угроз, возможного ущерба, уязвимостей) и вызваны следующими проблемами:
1) неполнота информации о составляющих риска и их неоднозначные свойства;
Для реализации предлагаемых подходов был проведён анализ и проработка методов, алгоритмов и программного обеспечения ГИС оценки рисков на основе неструктурированной информации. Полученные результаты позволили разработать программное обеспечение, которое может функционировать под различными программными платформами. Хранение данных организовано с помощью СУБД PostgreSQL. При создании интерфейсных компонентов программ использовались средства пеЬ-разработки, поэтому программы могут использоваться на различных программно-аппаратных платформах (стационарные устройства, планшеты, смартфоны и др.).
Заключение
Проведённое теоретико-экспериментальное исследование, показывает, что данная тема очень сложна, так как каждый процесс требует детальной и глубокой проработки. В задачах принятия стратегических решений часто приходится опираться скорее на опыт и интуицию специалистов, нежели на имеющиеся объективные данные. В этом случае результаты, полученные
Рис. 5. Общая оценка рисков
2) сложность создания модели информационной системы и оценки её уязвимости;
3) длительность процесса оценки и быстрая потеря актуальности её результатов;
4) сложность агрегации данных из различных источников, в том числе статистической информации и экспертных оценок;
5) необходимость привлечения нескольких специалистов по анализу рисков для повышения адекватности оценок.
методом анализа иерархий, в сочетании с методом попарного сравнения могут быть более реалистичными, чем результаты, полученные другими формализованными методами.
Для получения более точных и качественных результатов по оценке рисков предлагается использование большего количества частных методик, которые будут охватывать как можно большее количество сфер человеческой жизнедеятельности.
Рецензент: Бетанов Владимир Вадимович, доктор технических наук, профессор, член-корреспондент Российской академии ракетных и артиллерийских наук, начальник центра АО «Российские космические системы», г. Москва, Россия.
E-mail: vlavab@mail.ru
Литература
1. Бетанов В. В., Ларин В. К. Концепция гибридной технологии баллистико-навигационного обеспечения наземно-космической связи в ГАС РФ «Правосудие» // Правовая информатика. 2018. № 2. С. 39 - 46.
2. Бетанов В. В., Ларин В. К. Построение эффективной экспертной системы баллистико-навигационного обеспечения наземно-космической связи в ГАС РФ «Правосудие» // Правовая информатика. 2017. № 3. С. 50 - 57.
3. Колесников А. В., Кириков И. А., Листопад С. В. Гибридные интеллектуальные системы с самоорганизацией: координация, согласованность, спор. М.: ИПИ РАН, 2014. 189 с.
4. Ловцов Д. А., Сергеев Н. А. Информационно-математическое обеспечение управления безопасностью эргатических систем. III. Экспертная информационная система // НТИ РАН. Сер. 2. Информ. процессы и системы. 2001. № 11. С. 23 - 30.
5. Тарасов В. Б. От многоагентных систем к интеллектуальным организациям: философия, психология, информатика. М.: Эдиториал УРСС, 2002. 352 с.
6. Черненький В. М. Алгоритмическая модель описания дискретного процесса функционирования системы // technomag.edu.ru: Наука и Образование: электронное научно-техническое издание. 2011. Вып. 12. URL http://technomag.edu.ru/doc/292997. html (дата обращения 01.12.2018).
7. Чечкин А.В. Интеллектуальная информационная система на основе радикального моделирования как инструментальное средство обеспечения ком-
плексного развития // Нейрокомпьютеры: разработка, применение. 2015. № 5. С. 7 - 13.
8. Chernenkiy V., Gapanyuk Yu., Nardid А., Skvortsova М., Gushcha А., Fedorenko Y., Picking R. Using the metagraph approach for addressing RDF knowledge representation limitations // Internet Technologies and Applications. 2017. DOI: 10.1109/ ITECHA.2017.8101909.
9. Pugh J.K., Stanley K.O. Evolving Multimodal Controllers with HyperNEAT // Proceedings of the Genetic and Evolutionary Computation Conference. New York, NY: ACM, 2013. 8 p.
10. Riza S., Murtuzayeva M. Application pair comparisons method to the investments distribution in parameters of ecological sustainability // Proceedings of the IV International Conference «Problems of Cybernetics and Informatics» (Sept. 2012). 2012. P. 1 - 3.
11. Skvortsova M., Terechov V., Grout V. Hybrid Intelligent System for Risk Assessment based on Unstructured Data // Proceedings of the 2017 IEEE Russia Section Young Researchers in Electrical and Electronic Engineering Conference. 2017. P. 560 - 564. DOI: 10.1109/EIConRus.2017.7910616.
12. Xiao X., Zhang H., Hasegawa O. Density Estimation Method Based on Self-Organizing Incremental Neural Network and Error Estimation // Proceedings of the Neural Information Processing: 20th International Conference. Daegu, Korea. 2013. Р. 43-50.
13. Xu SW-J., Dong Y-C., Xiao W-L. Is It Reasonable for Saaty's Consistency Test in the Pairwise Comparison Method?" // Proceedings of the ISECS International Colloquium on Computing, Communication, Control, and Management (3 - 4 Aug. 2008). Vol. 3. 2008. P. 294 - 298.
DEVELOPMENT OF A DECISION SUPPORT SYSTEM FOR THE ESTIMATION OF RISKS AND THREATS OF NATIONAL SAFETY
Maria Skvortsova, Research Assistant of the Computer systems and networks Chair of Bauman Moscow State Technical University, Moscow, Russia. E-mail: mariya.gavrilovaa@ya.ru
Valery Terekhov, Ph.D., Associate Professor, Deputy Chief of the Computer systems and networks Chair of Bauman Moscow State Technical University, Moscow, Russia. E-mail: terekchow@bmstu.ru
Abstract.
Improving of scientific and methodical base of the theory of decision support systems using hybrid intelligent methods and using unstructured input information.
Methods: system analysis of the current state of problem of assessing risks and threats to national security and the justification of the directions and principles for its decision.
Results: the main normative legal acts and documents in the field of national security are considered, the main shortcomings in the development of effective decision support systems are identified; the proposed solution to the main problems, taking into account the national security strategy.
A generalized structural diagram of a hybrid intelligent risk and threat assessment system is defined. The results of the prototype system are presented. Conclusions on further improvement of the system and the quality of the results are substantiated. The substantiated assumption is made about the use of forecasting, as a way of further use and refinement of the system.
References
1. Betanov V. V., Larin V. K. Kontseptsiia gibridnoi tekhnologii ballistiko-navigatsionnogo obespecheniia nazemno-kosmicheskoi sviazi v GAS RF "Pravosudie" Pravovaia informatika, 2018, No. 2, pp. 39-46.
2. Betanov V. V., Larin V. K. Postroenie effektivnoi ekspertnoi sistemy ballistiko-navigatsionnogo obespecheniia nazemno-kosmicheskoi sviazi v GAS RF "Pravosudie" Pravovaia informatika, 2017, No. 3, pp. 50-57.
3. Kolesnikov A. V., Kirikov I. A., Listopad S. V. Gibridnye intellektual'nye sistemy s samoorganizatsiei: koordinatsiia, soglasovannost, spor, M. : IPI RAN, 2014, 189 pp.
4. Lovtsov D. A., Sergeev N. A. Informatsionno-matematicheskoe obespechenie upravleniia bezopasnost'iu ergaticheskikh sistem. III. Ekspertnaia informatsionnaia sistema, NTI RAN, ser. 2, Inform. protsessy i sistemy, 2001, No. 11, pp. 23-30.
5. Tarasov V. B. Ot mnogoagentnykh sistem k intellektual'nym organizatsiiam: filosofiia, psikhologiia, informatika, M. : Editorial URSS, 2002, 352 pp.
6. Chernen'kii V. M. Algoritmicheskaia model' opisaniia diskretnogo protsessa funktsionirovaniia sistemy, technomag. edu.ru: Nauka i Obrazovanie: elektronnoe nauchno-tekhnicheskoe izdanie, 2011, vyp. 12, URL: http://technomag. edu.ru/doc/292997.html (data obrashcheniia 01.12.2018).
7. Chechkin A.V. Intellektual'naia informatsionnaia sistema na osnove radikal'nogo modelirovaniia kak instrumental'noe sredstvo obespecheniia kompleksnogo razvitiia, Neirokomp'iutery: razrabotka, primenenie, 2015, No. 5, pp. 7-13.
8. Chernenkiy V., Gapanyuk Yu., Nardid A., Skvortsova M., Gushcha A., Fedorenko Y., Picking R. Using the metagraph approach for addressing RDF knowledge representation limitations, Internet Technologies and Applications, 2017. DOI: 10.1109/ITECHA.2017.8101909.
9. Pugh J.K., Stanley K.O. Evolving Multimodal Controllers with HyperNEAT, Proceedings of the Genetic and Evolutionary Computation Conference. New York, NY: ACM, 2013. 8 p.
10. Riza S., Murtuzayeva M. Application pair comparisons method to the investments distribution in parameters of ecological sustainability, Proceedings of the IV International Conference "Problems of Cybernetics and Informatics" (Sept. 2012), 2012. P. 1-3.
11. Skvortsova M., Terechov V., Grout V. Hybrid Intelligent System for Risk Assessment based on Unstructured Data, Proceedings of the 2017 IEEE Russia Section Young Researchers in Electrical and Electronic Engineering Conference, 2017. P. 560-564. DOI: 10.1109/EIConRus.2017.7910616.
12. Xiao X., Zhang H., Hasegawa O. Density Estimation Method Based on Self-Organizing Incremental Neural Network and Error Estimation, Proceedings of the Neural Information Processing: 20th International Conference. Daegu, Korea, 2013. R. 43-50.
13. Xu SW-J., Dong Y-C., Xiao W-L. Is It Reasonable for Saaty's Consistency Test in the Pairwise Comparison Method?'; Proceedings of the ISECS International Colloquium on Computing, Communication, Control, and Management (3-4 Aug. 2008). Vol. 3. 2008. P. 294-298.
