CC BY
73
.ETs. ИНЖЕНЕРНЫЕ ТЕХНОЛОГИИ И СИСТЕМЫ
Том 29, № 1. 2019
http://vestnik.mrsu.ru УДК 004.415.538
ISSN Print 2658-4123 ISSN Online 2658-6525
DOI: 10.15507/2658-4123.029.201901.020-039
Системно-динамическое моделирование сетевых информационных операций
В. А. Минаев*, М. П. Сычев, Е. В. Вайц1, К. М. Бондарь2
ФГБОУ ВО «Московский государственный технический университет им. Н. Э. Баумана» (г. Москва, Россия) 2ФГКОУ ВО «Дальневосточный юридический институт МВД РФ» (г. Хабаровск, Россия)
*m1va@yandex.ru
Введение. В Доктрине информационной безопасности Российской Федерации основными негативными факторами, влияющими на состояние информационной безопасности, названы информационно-технические и информационно-психологические воздействия. Поэтому моделирование, оценка и прогнозирование информационных воздействий на социальные группы и организация соответствующего информационного противодействия являются актуальными задачами управления. Материалы и методы. Рассмотрены системно-динамические модели информационных воздействий в социальных сетях и группах. Обосновано их применение с целью противодействия информационному терроризму и экстремизму. Дано описание в виде потоковых диаграмм в обозначениях системной динамики. Приведены системы дифференциальных уравнений. Проведены эксперименты с моделями с применением перспективной имитационной платформы Апу^гс.
Результаты исследования. Произведено сравнение агентной и системно-динамической модели, показавшее высокую степень их согласования между собой и со статистическими данными. С использованием реальных данных на основе метода кластерного анализа выделены типологические группы в выборочной совокупности поселений России с различающимся средним временем распространения информационных воздействий. Успешно апробированы системно-динамические модели распространения информационных воздействий в социальных сетях и в студенческой среде с использованием постулата Гиббса.
Обсуждение и заключение. Показана высокая согласованность результатов моделирования с эмпирическими данными (коэффициенты детерминации не менее 90 %). Модели позволяют осуществлять прогноз информационного воздействия и информационного противодействия, проигрывать различные сценарии динамики указанных процессов.
Ключевые слова: имитационное моделирование, терроризм, экстремизм, информационное воздействие, информационное противодействие, управление, социальная сеть, топология, типология, кластерный анализ
Для цитирования: Системно-динамическое моделирование сетевых информационных операций / В. А. Минаев [и др.] // Инженерные технологии и системы. 2019. Т. 29, № 1. С. 20-39. DOI: https://doi.org/10.15507/2658-4123.029.201901.020-039
© Минаев В. А., Сычев М. П., Вайц Е. В., Бондарь К. М., 2019
0 I Контент доступен по лицензии Creative Commons Attribution 4.0 License.
IcaHH This work is licensed under a Creative Commons Attribution 4.0 License.
System-Dynamic Modeling of Network Information Operations
V. A. Minaev1*, M. P. Sychev1, E. V. Vaits1, K. M. Bondar2
1Bauman Moscow State Technical University (Moscow, Russia) 2Far Eastern Law Institute of the Ministry of Internal Affairs of the Russia (Khabarovsk, Russia)
*m1va@yandex.ru
Introduction. Information-technical and information-psychological influences are the main negative factors affecting the information security according to the Information Security Doctrine of the Russian Federation. Therefore, modeling, evaluating and forecasting information influences on social groups and organizing adequate information counteraction are urgent tasks of management.
Materials and Methods. The system-dynamic models of information influences in social networks and groups are considered. Their application for purposes of counteraction to information terrorism and extremism is proved. The description in the form of flowcharts is given. Systems of differential equations are presented. Experiments with models using the advanced simulation platform Anylogic have been carried out. Results. In a sample of Russian settlements based on the cluster analysis there have been found homogeneous typological groups that differ in the average time of disseminating information in social networks. Based on Gibbs's Postulate, the system-dynamic model of information influences on students has been successfully tested.
Discussion and Conclusion. The high consistency of simulation results with empirical data (determination coefficients of at least 90 %) is shown. Models allow forecasting the information influence and information counteraction and playing different scenarios for the dynamics of these processes.
Keywords: simulation modeling, terrorism, extremism, information influence, information counteraction, management, social network, topology, typology, cluster analysis
For citation: Minaev V.A., Sychev M.P., Vaits E.V., Bondar K.M. System-Dynamics Modeling of Network Information Operations. Inzhenernyye tekhnologii i sistemy = Engineering Technologies and Systems. 2019; 29(1):20-39. DOI: https://doi.org/10.15507/2658-4123.029.201901.020-039
Введение
Основными негативными факторами, влияющими на состояние информационной безопасности России, в новой Доктрине информационной безопасности Российской Федерации названы информационно-технические (ИТВ) и информационно-психологические воздействия (ИПВ)1. Так, в Доктрине отмечается наращивание рядом зарубежных стран возможностей информационно-технического воздействия (ИТВ) на информационную инфраструктуру в отношении российских государственных органов, научных организаций и предприятий
оборонно-промышленного комплекса. В частности, возрастают масштабы компьютерной преступности, прежде всего в кредитно-финансовой сфере; увеличивается количество все более изощренных преступлений, связанных с неприкосновенностью частной жизни, личной и семейной тайны при обработке персональных данных.
Одновременно в Доктрине указывается на расширение масштабов использования зарубежными спецслужбами информационного воздействия, направленного на дестабилизацию внутриполитической и социально-экономиче-
1 Доктрина информационной безопасности Российской Федерации : утв. Указом Президента РФ № 646 от 5 декабря 2016 г. № 646. URL: http://base.garant.ru/71556224
ской ситуации в различных регионах мира и приводящего к подрыву суверенитета и нарушению территориальной целостности других государств. Россия не является исключением.
В Доктрине отмечено, что:
- в целях размывания традиционных российских духовно-нравственных ценностей наращивается информационное воздействие на население России, в первую очередь на молодежь;
- террористические и экстремистские организации широко используют механизмы информационного воздействия на индивидуальное, групповое и общественное сознание для нагнетания межнациональной и социальной напряженности, разжигания этнической и религиозной ненависти либо вражды, пропаганды экстремистской идеологии.
Обзор литературы
К настоящему времени актуализировались интенсивные исследования в области анализа, моделирования и прогнозирования негативных информационных воздействий (ИВ) и информационных противодействий (ИПД) им [1-4].
Появились новые научные работы, отражающие распространение таких воздействий с помощью компьютерных сетей в различных социальных средах (школьных, студенческих, фанатских и др.); различных поселениях: мегаполисах с их специфическими малыми группами, несущими опасность для молодых людей (группы самоубийц, этнические криминальные группы, ру-феры, диггеры, зацеперы в метро и др.); малых и моногородах (с тотальной безработицей и аморальными образцами поведения среди взрослых) [5].
Вышеизложенное позволяет заключить, что моделирование, оценка и прогнозирование информационных воздействий на социальные группы и организация соответствующего информационного противодействия являются актуальными задачами управления.
Том 29, № 1. 2019
К настоящему моменту создана обширная научная база в сфере моделирования информационных воздействий на социальные группы во времени, позволяющая исследовать информационное «заражение» в зависимости от влияния различных внешних и внутренних факторов [1-5].
Разработаны и исследованы различные типы моделей в сфере информационного воздействия: топологические, факторные, регрессионные, вероятностные и др., которые составляют основу для дальнейшего совершенствования инструментария моделирования в сфере информационного воздействия на социум.
В то же время наиболее интересные с практической точки зрения имитационные методы моделирования информационных воздействий на социальные группы и соответствующего информационного противодействия, позволяющие проигрывать различные сценарии проведения информационных операций, в России недостаточно развиты; слабо ведется разработка необходимого комплекса моделей.
Материалы и методы
Исходя из вышеизложенного, можно выделить два важных направления разработки моделей информационных операций, связанных с ИТВ с одной стороны и с ИПВ - с другой. Кроме того, процесс моделирования был бы неполон, если бы не рассматривались модели противодействия ИТВ и ИПВ. В табл. 1 показана степень разработанности названных моделей информационных операций, оцененная в ходе экспертного опроса по 10-балльной шкале (в нем участвовали 45 квалифицированных экспертов).
В данной статье рассмотрены базовые модели в последних двух направлениях (менее разработанных) и некоторые результаты их применения.
Созданы и реализованы математические модели, позволяющие имити-
Т а б л и ц а 1 T a b l e 1
Степень разработанности моделей информационных операций Readiness level of information operation models
Модели информационных операций / Models of information operations Модели ИТВ / Models of informational and technical impacts (ITI) Модели противодействия МТБ / Models of ITI counteraction Модели ИПВ / Models of informational and psychological impacts (IPI) Модели противодействия МПБ / Models of IPI counteraction
Степень разработанности моделей (баллы) / Level of models readiness (in points) 7 5 5 3
ровать ИПВ и ИПД в социальных сетях и при непосредственном общении индивидов в разнообразных общественных группах. При этом применяется перспективная программная платформа имитационного моделирования Лпу^ю, на основе которой реализованы модели с высокими коэффициентами объясняемости (не менее 85-90 %) между эмпирическими и модельными данными [6].
Созданная методологическая и методическая база позволяет расширить поле исследований информационных воздействий и создания моделей информационных взаимодействий при проявлениях экстремизма, терроризма и агрессивного поведения социальных групп, включая обучающихся в образовательных организациях. Для этого необходимо решить три основные задачи: - обосновать и построить базу данных, позволяющую по сетевому информационному контенту распознавать и визуализировать ситуации возникновения агрессивного поведения тех или иных групп населения. К настоящему времени разработаны современные методы анализа контента, позволяющие выявлять инициаторов такого контента
и сетевые узлы, которые с инициаторами связаны;
- изучить и спрогнозировать динамику «заражения» обучающихся стереотипами агрессивного поведения. Для этого целесообразно комплексно использовать методы системно-динамического, агентного и дискретно-событийного моделирования2;
- создать распределенную информационно-аналитическую систему (ИАС) мониторинга агрессивного поведения в регионах Российской Федерации с выделением в указанной системе региональных ситуационных центров, где происходила бы оперативная обработка информации и принятие специалистами решений по возникающим случаям «экстремального напряжения» в социальной среде, включая ее молодежную часть.
По сути, речь идет о построении глобальной информационной системы мониторинга в масштабах страны, которая дает возможность:
- обеспечения своего развития путем включения в нее (по мере готовности и необходимости) модулей мониторинга проявлений экстремизма, терроризма и других социально опас-
2 Маликов Р. Ф. Практикум по имитационному моделированию сложных систем в среде AnyLogic 6 : учеб. пособ. Уфа : Изд-во БГПУ, 2013. 296 с.
ных явлений, а также модулей подготовки управленческих решений для региональных органов власти и силовых структур при реагировании на подобные явления и ситуации;
- использования перспективных программно-математических средств и методов при реализации механизмов комплексного реагирования на проявления агрессивного поведения;
- надежной защиты центров информационного доступа и коммуникационных каналов ИАС.
Учитывая масштабность и острую социальную необходимость реализации на современном уровне механизмов комплексного реагирования на проявления агрессивного поведения (данная проблема, судя по мировым трендам, может только усиливаться), создание высокоорганизованной ИАС связано с привлечением для ее развития высокопрофессиональных специалистов из разных сфер деятельности (математиков, психологов, педагогов, психиатров, представителей информационной сферы, специалистов в области защиты информации и др.).
Приведем необходимые определения, относящиеся к предмету, цели и задачам данной статьи.
Уточняя терминологию работы С. П. Расторгуева и М. В. Литвиненко3, определим сетевые информационные операции как комплекс взаимосвязанных целенаправленных действий информационного характера, осуществляемых в компьютерных сетях и массмедиа посредством межличностных контактов и ориентированных на решение задач
Том 29, № 1. 2019
по перепрограммированию, блокированию, генерации информационных процессов как в технической, так и в гуманитарной сферах.
Системно-динамическое моделирование - метод моделирования и имитации сложных динамических систем, характеризующихся разветвленными, как правило, нелинейными связями [7]. Системная динамика как новое направление в области моделирования получила свое развитие благодаря:
- успехам в области анализа и проектирования сложных систем управления;
- прогрессу в сфере компьютерного моделирования и вычислительных методов.
Базовые работы в этом направлении относятся к исследованиям Дж. Фор-рестера конца 50-х - начала 60-х гг. ХХ в., посвященных анализу промышленных предприятий4, развитию городов5 и мировой динамике6.
К настоящему времени построением системно-динамических моделей в области информационной безопасности занимаются различные зарубежные научные коллективы: в Университете Карнеги (Меллон, США)7, Оборонном научно-техническом университете Народно-освободительной армии Китая [8], Высшей школе информационной безопасности (Южная Корея) [9], Флоридском Атлантическом университете (США) [10] и в других научных центрах мира.
Созданные за рубежом модели успешно применяются на практике, однако требуют концептуальной и методи-
3 Расторгуев С. П., Литвиненко М. В. Информационные операции в сети Интернет / Под общ. ред. А. Б. Михайловского. М. : АНО ЦСОиП, 2014. 128 с.
4 Форрестер Дж. Основы кибернетики предприятия (индустриальная динамика) / Пер. с англ. ; общ. ред. и предисл. Д. Гвишиани. М. : Прогресс, 1971. 340 с.
5 Форрестер Дж. Динамика развития города / Пер. с англ. М. Орловой ; под ред. Ю. Иванилова, А. Иванова, Р. Оганова ; предисл. Ю. Козлова. М. : Прогресс, 1974. 286 с.
6 Форрестер Дж. Мировая динамика / Пер. с англ. А. Ворощука, С. Пегова ; послесл., коммент. Н. Моисеева. М. : Наука, 1978. 384 с.
7 Management and education of the risk of insider threat (MERIT): system dynamics modeling of computer system sabotage / D. M. Cappelli [et al.]. Pittsburg : Carnegie Mellon University. Software Engineering Institute, 2006. 34 p. URL: https://www.semanticscholar.org/paper/Management-and-Education-of-the-Risk-of-Insider-(-)-Cappelli/7fbad6a22afe183e63fb1bb8834e7de05a5d4d94
ческой доработки и дополнительных исследований для решения задач анализа, оценки, прогнозирования и управления в сфере информационных воздействий и информационного противоборства.
В основе моделей системной динамики лежат общие структурные элементы, пригодные для моделирования многих систем8-10:
— уровни - управляемые объекты, отображаемые переменными, значения которых представляют интегральные характеристики некоторых реальных потоков, рассматриваемых в моделируемой системе;
— темпы - скорости потоков, исходящих от одних уровней и входящих в другие, вызывая в них соответствующие изменения.
Кроме того, в моделях используются функции решений, определяемые через функциональные зависимости, существующие в системе; вспомогательные величины и константы.
Системная динамика, представляя собой определенную целостность принципов и методов анализа динамических управляемых систем с обратной связью, дает возможность их применения для решения многих организационно-производственных и социально-экономических задач.
Метод системной динамики предполагает, что для основных фазовых переменных (системных уровней) используются дифференциальные уравнения типа [11]:
j = y+ - y-
торов, отрицательно сказывающихся на скорости изменения уровня у.
В моделях Форрестера предполагается, что у±, в свою очередь, являются функциями уровней
y± = f (Fl, F , F),
(2)
где k - количество факторов меньшее, чем количество фазовых переменных; каждый фактор зависит только от части системных уровней.
Системно-динамическая модель ИВ
На рис. 1 приведено описание системно-динамической модели ИВ с обозначениями, рассматриваемыми в системе дифференциальных уравнений (3).
— = OS (t )+YS (t ) - SL(t ) dt
^ = SL(t ) - LY (t ) dt
dR
^R = LY (t )-YR(t )-YS (t ) dt
(1)
OS (t ) = о -S (t )
SL(t ) = b -S (t ) +
YR(t ) = c Y (t ) L(t )
a -T -S (t )-Y (t ) S (t )+Y (t ) + L(t ) + R(t )
LY (t )=-
f
YS (t ) = g-Y (t ) a=p-k0-n b = M-k1 -k2
где у - производная переменной у по времени; у+ - комплекс факторов, положительно сказывающихся на скорости изменения уровня у; у- - комплекс фак-
(3)
Построение системно-динамической модели ИПД связано с моделью ИВ на социальные группы. Предпола-
8 Форрестер Дж. Основы кибернетики предприятия (индустриальная динамика) / Пер. с англ. ; общ. ред. и предисл. Д. Гвишиани. М. : Прогресс, 1971. 340 с.
9 Форрестер Дж. Динамика развития города / Пер. с англ. М. Орловой ; под ред. Ю. Иванилова, А. Иванова, Р. Оганова ; предисл. Ю. Козлова. М. : Прогресс, 1974. 286 с.
10 Форрестер Дж. Мировая динамика / Пер. с англ. А. Ворощука, С. Пегова ; послесл., коммент. Н. Моисеева. М. : Наука, 1978. 384 с.
а
§
а
1 §
л а а
л
«Нормальная»
скорость Q забывания иней
ИВ (£)
Темп изменения количества лиц подверженных ИВ, в результате увеличения размера социальной группы
(OS)
Темп изменения количества лиц принявших идею ИВ, за счет ее забывания (ГУ)
£
Количество лиц. подверженных ИВ (.У)
Топологический коэффициент (Т)
Количество
лип в латентной
Темп изменения количества лиц в латентной стадии
\ Темп изменения | количества лиц '! принявших идею
I
! ИВ. за счет отказа
/
от нее (TR)
сталнн ИВ (L)
СУ
«Нормальная» скорость увеличения количества лиц подверженных ИВ (о)
коммуникации на тему, вложенную б ИВ (р)
ормальная» скорость принятия идеи ИВ при
межличностном / !
, V / I \
контакте (а) / i
Вероятность / j
изменения .количества лиц ,-S.:подв ерженных Ц ИВ СSL)
мз .
Катичество
лип, принявших идею ИВ (Г)
Латентный период (J).....
Катичество лип, отказавшихся от идеи ИВ (К)
а
!
ъ
В ероягнотть
увлечения идеями
ИВ при одном комму никационн ом
контакте (кj)
Отнош ение количества контактов человека, увлеченного идеями ИВ, в день к возможному общ ему количеству
а-
о
«Нормальная >;•
скорость иммунизации (с)
«Нормальная» скорость
принятия идеи ИВ в результате воздействия -СШиЬ)
_ Вероятность увлечения идеей ИВ после ознакомления с сообщ ением в СМИ
-О
Показатель массовости
О Win
контактов (и)
и регулярности СМИ,
ош ение количества лиц ознакомившихся с одним сообщением
в СМИ, в день к общ ему количеству лиц, подверженных ИВ (к^)
Рис. 1. Системная потоковая диаграмма системно-динамической модели ИВ
пропагандируют их идею ИВ (М)
I
s
s
a oo a'
a oo c a a.
a <8
The "normal" speed of foigetting the II idea (£)
The rate of change in the number of people accepted the idea of II driven by forgetting it (75)
The rate of change in the number of people exposed to II idea, as a result of the increase in the size of the social group (OS)
The rate of change in the number of people acc epted the i dea of II ' driven by abandoning it (YK)
o-7
The "normal" speed of change in the number of persons exposed to II (o)
The Dumber of people e&posed to H (S)
The probability of communi cation on the vJ j-K subjectendosedin The probatory of me R W being engaged by the IIideas atone communication contact
The Dumber of
people ivho abandoned the idea of II (R)
j The rate o: m-^norniar speed / change m the of then idea Q number of acceptance in iMpeopl e exP° interpersonal contacts /
\ to H (St)
o
The "nomiar speed of immunization (c)
The probability of being -engaged by the idea of E after acquaintance with the message about it in die
media (A^)
The ratio of the
number of communication contacts per dav related toHideasto IndicaKrof the
the total number of number and regulanty ^ fatjo of ^ p^pfe number: who contacts (n) of the media read a media report about the H idea
promoting the idea of per day: to the total number of people H (AO exposed to II (ftj )
Fig. 1. The system flow diagram of the information influence system-dynamic model
K)
-4
гается, что в социуме одновременно идет распространение двух противоположных идей ИВ (положительной и отрицательной). Потоковая диаграмма, описывающая системно-динамическую модель ИПД, будучи представленной системой дифференциальных уравнений (4), приведена на рис. 2.
XS (t)+YS (t) - SX (t) - SY (t)
dS=OS (t)+
dt jy
—=SX (t)+YX (t) - XS (t) - XY (t) dt
dY
dY=SY (t)+ dt
SX(t)=bx S(t)
XY (t) -YS (t) -YX (t)
ax S(t) • X(t) S (t)+X (t)+Y (t)
SY(t)=b S(t)+
a-S(t) Y(t)
XY (t) =
YX (t) =
S (t)+X (t)+Y (t) kx-X (t) • Y (t) X (t)+Y (t) k-X (t) • Y (t)
X (t)+Y (t) XS(t)=gx X(t) YS(t)=gy Y(t) OS(t)=o S(t).
(4)
реализации си-моделей ИВ
Для практической стемно-динамических и ИПД использовались статистические данные о распространении различных информационных воздействий в социальных сетях, а также данные опросов в социальных группах. Отметим, что процесс имитационного моделирования, осуществленный с использованием современной программной платформы Апу^ю, позволяет «проигрывать» любое количество противоборству-
ющих идей11. Основными переменными, динамика которых в социуме отслеживалась с помощью разработанных моделей, является количество лиц:
- подверженных ИВ;
- находящихся в латентной стадии ИВ;
- принявших идею ИВ;
- отказавшихся от идеи ИВ.
При этом системно-динамическая модель ИПД, являющаяся логическим развитием модели ИВ, учитывает характеристики забывания информации, существования латентного периода, изменения размера социальной группы, топологию взаимодействия в группе, замещения идеи ИВ идеей противоборствующей стороны.
Результаты исследования
Результаты некоторых модельных экспериментов по изучению влияния различных параметров на динамику процессов ИВ приведены на рис. 3-5. Пример имитационного эксперимента с системно-динамической моделью ИПД приведен на рис. 6.
Отметим, что результаты моделирования на основе системно-динамического и агентного подходов совпали с достаточной степенью точности (рис. 7). Коэффициент согласования между моделями составил 94 %, со статистическими данными - 92 %.
В экспериментах на материале фактических статистических данных имитировалось по отдельности распространение ИВ от семи различных пользователей, а также одновременно с нескольких узлов реальной социальной сети (рис. 8).
Из рис. 8 следует, что динамика количества лиц, «зараженных» идей ИВ, в зависимости от источника «заражения» в г. К. различается, подчиняясь общим динамическим закономерностям логистического характера.
11 Лычкина Н. Н. Современные технологии имитационного моделирования и их применение в информационных бизнес-системах и системах поддержки принятия решений // Имитационное моделирование. Теория и практика : сб. докл. 2-й Всерос. науч.-практ. конф. ИММОД-2005. Т. 1. СПб. : ЦНИИТС, 2005. С. 25-31. URL: https://www.anylogic.ru/upload/iblock/efa/efac2601a53aa4a5c 810fb1c2f8fa79b.pdf
I
а
с?
п f
Чз а
<3
S'
л та 3.
<3
а а а.
S
5
I
Темп изменения количества лиц принявших первую идею ИВ
Темп изменения количества лиц, подверженных ИВ №
«Нормальная» скорость принятия первой идеи ИВ при межличностном контакте (а )
О х V
^ У
Количество лиц, подверженных ИВ
(5)
....-•¡«Нормальная»
скорость забывания первс идеи ИВ Сг^
.......О
ормальная» Темп изменения ^скорость принятия количества лиц, \ первой идеи ИВ в приняв ших результате первую идею ИВ воздействия СМИ за счет ее
забывания (Х5)
Количество лиц, принявших первую (негативную) идею IIB ( У)
Л V ^
Л >я
«НормальнЕ скорость увеличения
количества лиц, подверженных ИВ (о)
Темп изменен: количества лиц, принявших вторую идею ИВ (5У)
О
Темп изменения количества лиц. принявших вторую , идею ив, за счет ее забивания (Е5) '
«Нормальная» '
Д скорость принятия ,......
/ ^второй идеи ИВ прр'«Нормальная»
; межличностном/ скорость
>-ч контакте (а ) забыв ания второ{:
- ; . цдеи ИВ (е)
«Нормальная» скорость Т „т
^принятия второй идеи ИВ
\в результате воздействия
Темп замещ ения первой идеи ИВ второй идеей ИВ
сХГ)
«Нормали; скорость замещения первой идеи ИВ
второй идеей ИВ (*)
«Нормальная» скорость замеш ения второй идеи ИВ первой
идеей ИВ (к )
О-...... ; ,
Темп замещения V
второй идеи ИВ первой идеей ИВ (ГХ)
м
количество лиц, принявших вторую (позитивную) идею ИВ Г Л
Р и с. 2. Системная потоковая диаграмма системно-динамической модели ИПД
СМИ (¿>г)
The rate of change in the number of people who accepted the first idea of II (SX)
J><
The rate of change in the
number of people exposed to the idea of II
_
The "normal" speed of the II / first idea adoption
ill inteipersonal i contact (a ) i
\ O "
VP
, ^ The ii-iiiiil speed of the II first idea .acceptance as a result ?e0P'e accepted
of media influence tlle flIst idea of driven by
The number of people accepted the first (negative) idea ofH(JV)
The "normal" speed of forgetting the II first idea ( <y
-QzS
,The rate of change in the number of
<} >
The number of people exposed to II
OS)
—<*/>
forgetting it (A3*)
The "normal" speed of change in the numbeT of people exposed to II (o)
*o<
The rate of change in the number of people
who accepted the second idea of II (SY)
-o
TJje rate of cha&j Lh the number of -, ptopl e accepted the J second II idea= driven by forgettingj"--\
The £'normal" rate of @^ ^......
acceptance of the II , second idea in / The "normal" |interpersonal contact/ speed of forgetting
Q (aj \II the second idea
The "normal" speed of the-. II second idea acceptance as a result of media
<
n
(Sy)
influence
<1
The rate of replacement of the first idea to the second idea of II
(XT)
The "normal" speed of replacement of the first idea with the second idea of II
The "normal" speed of replacement of the second idea with the first idea of II
a-t*p- x
The rate of replacement o the second idea with the first idea of II (YX)
The unmber of the people accepted the second (positive) idea of II (I)
F i g. 2. The system flow diagram of the system-dynamic model of information
and psychological counteractions
-ptf.L p-O.I — HXÎ — И< —Hi —HM —ни ——НИ —H
Р и с. 3. Скорость принятия идеи ИВ (SY) в зависимости от вероятности коммуникации на тему,
вложенную в контент ИВ (p) F I g. 3. The speed of acceptance of the II idea (SY) depending on the probability of communication on
the topic, related to II content (p)
t)4-.-1-1-1-1-1-1-1-1-
С IOZ030«9>t0 70a)«100
-И-0.Ш (HUE -ИНШ -M-0.M M-O.QS —И-Я.06 — PH,07 — Н-0.СЙ —14=0.09 —M-fl.l t
Р и с. 4. Скорость принятия идеи ИВ (SY) в зависимости от показателя массовости и регулярности СМИ, пропагандирующих идею ИВ (M)
F i g. 4. The speed of acceptance (SY) of the II idea depending on the circulation and regularity (M) of the media promoting it
-i-j (и -1-4 -1-е — f-и —i«i: —l-н -(-к.
Р и с. 5. Динамика количества лиц, принявших идею ИВ (Y), в зависимости от длительности латентного периода f) F i g. 5. The dynamics of the number of people who accepted the II idea (Y), depending on the duration of the latent period f)
1 j 000
Лица, подверженные ИВ
Лица в латентной стадии от первой ^негативной) идеи ИВ ИХ] Лица в латентной стадии от второ (позитивной) идеи ИВ (1У)
Лица, принявшие первую (негативную) идею ИВ (А)
Лица, принявшие вторую (позитивную) идею ИВ (У)
ю го зо
LX т LY X т V
90 100
Р и с. 6. Динамика количества лиц, подверженных ИВ (5), принявших первую - негативную (X) и вторую - позитивную (Т) идеи ИВ, а также лиц в латентной стадии от первой (ЬХ) и второй (ЬТ) идей ИВ
1,300
People exposed to II (S) People in the latent stage from the first (negative) idea of II (LX) People in the latent stage from the second (positive) idea of II (LY)
Persons who accepted the first (negative) idea of II (X)
Persons who accepted the j second (
F i g. 6. The dynamics of the number of people exposed to II (S), the first - negative (X) and second -positive (Y) ideas, as well as people in the latent stage of the first (LX) and second (LY) ideas
s : i _____:_____:_____i____!_________:_____
//
_____: /;
------ г j
¡
i i
¡i
____
----
3.2 G.4 9,6 12.8 16 19.2 22.4 25,6 28,8 32 35.2 38.4 41.6 44.9 49 51.2 54.4 57.6 j
-Агентская модель / The agent model
-----SYT-модель / The system-dynamic model
Р и с. 7. Результаты сравнительного моделирования ИВ на основе системно-динамического и агентного подходов F i g. 7. The results of comparative modeling of II based on the system-dynamic and agent approaches
41.6
44 8
№=399692256
Id=84017348
Id=370015190
Id=l99445496 [d=l78960024 Id=300446665
Р и с. 8. Динамика количества лиц, «зараженных» идеей ИВ, в зависимости от источника «заражения» в г. К. F i g. 8. The dynamics of the number of people, "infected" with the II idea, depending on the infection source in the city of K
Далее эксперимент был расширен: в качестве объектов исследования были выбраны 42 малых города России. По результатам анализа данных о сетевых связях между пользователями социальной сети «ВКонтакте» построены отображающие их графы. Рассчитаны топологические характеристики социальных сетей, такие как коэффициент кластеризации, степень связности, диаметр, плотность, средняя длина пути.
С целью выделения однородных групп поселений для сравнения времени распространения ИВ в них, исходя из топологических характеристик, применен иерархический метод кластерного анализа - метод Вальда. Дендрограмма кластеризации представлена на рис. 9.
В табл. 2 показано среднее время распространения ИВ в различных кластерах. Ее анализ свидетельствует о том, что наблюдается существенное различие среднего времени распространения ИВ в кластерах.
Данное обстоятельство требует различной стратегии и тактики со стороны соответствующих государственных структур по организации информацион-
ного противоборства в поселениях, относящихся к различным типологическим группам. Это в полной мере относится к сфере борьбы с терроризмом и экстремизмом в информационной среде.
Для апробации моделей далее был проведен эксперимент по результатам анализа статистических данных по сообществу в социальной сети «ВКон-такте», которое было создано с целью организации реального политического митинга с экстремистскими лозунгами. Временные зависимости, полученные по результатам моделирования, показывают высокую объясняемость модели; коэффициент детерминации равен 95 % (рис. 10). Отметим, что в динамике распространения ИВ о проведении оппозиционных митингов выделяются два периода с разными параметрами модели ИВ, соответствующими двум информационным вбросам, произошедшим в российских городах в тот период.
В рамках исследований по моделированию ИВ также проведен важный эксперимент, подтвердивший известный постулат Гиббса о статистических ансамблях12. Существо постулата в том,
12 Гиббс Дж. Основные принципы статистической механики, излагаемые со специальным применением к рациональному обоснованию термодинамики / Пер. с англ. К. В. Никольского. М. ; Л. : Гостехиздат, 1946. 203 с.
Р и с. 9. Типологические группы выборочной совокупности поселений России F i g. 9. Typological groups of a sample of Russian settlements
Т а б л и ц а 2 T a b l e 2
Среднее время распространения ИВ в кластерах The average dissemination time of the II idea in clusters
№ кластера / Number of cluster Среднее время распространения идеи ИВ, ч / Average time of disseminating the II idea, in hours
1-й кластер / Cluster 1 310,00
2-й кластер / Cluster 2 250,40
3-й кластер / Cluster 3 181,00
4-й кластер / Cluster 4 133,25
Индивидуальный объект / The individual object 62,00
что независимые параллельные процессы информационного воздействия в однородных независимых популяциях протекают со схожей динамикой и параметрами модели, описывающей эти процессы.
Эксперимент по распространению идеи ИВ проводился в студенческой среде (рис. 11). В качестве объектов для распространения идеи ИВ выбраны семь независимых студенческих групп, обучающихся в различных вузах меди-
цинского профиля. Вероятность контакта между участниками групп принималась равной нулю в силу специфики организации образовательного процесса.
Таким образом, экспериментальные исследования системно-динамических моделей с использованием реальных статистических данных о распространении ИВ подтвердили их эффективность и работоспособность для прогнозирования динамики распространения ИВ в зависимости от скорости инфор-
7 8 8 10 11
i Статистические данные / Statistics Модель (период 1) / Model (period 1) Модель (период 2) / Model (period 2)
Р и с. 10. Моделирование динамики распространения в социальной сети ИВ о проведении оппозиционных митингов F i g. 10. Modeling the dynamics of disseminating the information about opposition rallies
in the social networks
25.2 28 30.8 33.8 3G.4
L
Модель / Model ■ ■ ■ ■ Статистика / Statistics Р и с. 11. Результаты эксперимента по распространению ИВ в студенческой среде F i g. 11. The experimental results of disseminating II to students
особенно- процессами эффективно применение методов системно-динамического, агентно-го и дискретно-событийного моделирования, используемого на сегодняшний день для исследования различных сложных социально-экономических процессов.
2. Имитационные модели ИВ и ИПД позволяют оценивать, анализи-
мационного «заражения», стей социальных групп, топологии социальных сетей и других факторов. Обсуждение и заключение 1. Для решения задач исследования негативных ИВ на социальные группы и процессов информационного противоборства, а также управления этими
ровать и прогнозировать использование социальных сетей в качестве среды распространения экстремизма, терроризма, молодежной агрессии, аутоагрессии и других крайне опасных явлений. Результаты расчетов с помощью системы уравнений, реализованной в имитационной системе Апу^ю, дают возможность территориальным органам управления и силовым структурам заблаговременно обосновывать управленческие решения по подготовке и реализации мероприятий, направленных на снижение или нейтрализацию указанных негативных ИВ на общество в целом и его социальные группы (включая молодежь) в частности в зависимости от структуры и динамики факторного комплекса, влияющего на процессы ИВ в социальных сетях.
3. Выбранное в качестве среды моделирования программное обеспечение современных имитационных платформ позволяет в деталях проигрывать различные сценарии с использованием системно-динамических и агентных моделей, наглядно интерпретировать результаты моделирования, проводить различные виды имитационных экспериментов.
4. Топологические различия социальных сетей как современной платфор-
мы ИВ и ИПД могут эффективно использоваться для построения стратегии и тактики информационного контакта с населением со стороны региональных властей и силовых структур, а также для более четкого и обоснованного построения системы противодействия различным негативным информационным влияниям на социальные группы, особенно молодежные, со стороны окружения различной природы, осуществляющего информационные операции.
5. Новизна модели информационного противоборства связана с тем, что в имитационной системе впервые описываются две противоборствующие идеи (имитационная платформа позволяет учитывать их любое разумное количество). Новым, пока не использованным в моделях информационных операций, является подход с применением к социальным процессам постулата Гиббса из статистической физики.
6. Перспективой развития анализа топологических различий в рамках системно-динамического подхода является выявление дополнительных «глубинных» факторов, характеризующих разные поселения/города/регионы и влияющих на динамику распространения идеи ИВ.
СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ
1. Как управлять массовым сознанием: современные модели / В. А. Минаев [и др.]. М. : РосНОУ, 2013. 200 с.
2. Минаев В. А., Дворянкин С. В. Моделирование динамики информационно-психологических воздействий на массовое сознание // Вопросы кибербезопасности. 2016. № 5 (18). С. 56-64. DOI: https://doi.org/10.21681/2311-3456-2016-5-56-64
3. Минаев В. А., Дворянкин С. В. Обоснование и описание модели динамики информационно-психологических воздействий деструктивного характера в социальных сетях // Безопасность информационных технологий. 2016. Том 23, № 3. С. 40-52. URL: https://bit.mephi.ru/index.php/bit/ article/view/16/26
4. Моделирование угроз информационной безопасности с использованием принципов системной динамики / В. А. Минаев [и др.] // Вопросы радиоэлектроники. 2017. № 6. С. 75-82.
5. Губанов Д. А., Новиков Д. А., Чхартишвили А. Г. Социальные сети: модели информационного влияния, управления и противоборства / под ред. чл.-корр. РАН Д. А. Новикова. М. : ФИЗМАТЛИТ, 2010. 228 с.
6. Системно-динамическое моделирование информационных воздействий на социум / В. А. Минаев [и др.] // Вопросы радиоэлектроники. 2017. № 11. С. 35-43.
7. Алехнович С. О., Слизовский Д. Е., Ожиганов Э. Н Системно-динамическое моделирование: принципы, структура и переменные (на примере Московской области) // Вестник РУДН. Серия «Политология». 2009. № 1. С. 22-36. URL: http://journals.rudn.ru/political-science/article/ view/8918/8369
8. Liu W., Cui Y., Li. Y. Information systems security assessment based on system dynamics // International Journal of Security and Its Applications. 2015. Vol. 9, no. 2. P. 73-84.
9. Kim A. C., Lee S. M., Lee D. H Compliance risk assessment measures of financial information security using system dynamics // International Journal of Security and Its Applications. 2012. Vol. 6, no. 4. P. 191-200.
10. Behara R., Derrick Huang C., Hu Q. A system dynamics model of information security investments // Journal of Information System Security. 2010. Vol. 6, no. 2. P. 1572-1583. URL: https://pdfs.semanticscholar.org/5e4d/6276a8788cc43c1bb0531be97eec24490f94.pdf
11. Гусаров А. H, Жуков Д. О., Косарева А. В. Описание динамики распространения компьютерных угроз в информационно-вычислительных сетях с запаздыванием действия антивирусов // Вестник МГТУ им. Н. Э. Баумана. Сер. «Приборостроение». 2010. №> 1 (78). С. 112-120. URL: http:// vestnikprib.ru/articles/122/122.pdf
Поступила 05.12.2018; принята к публикации 21.01.2019; опубликована онлайн 29.03.2019
Об авторах:
Минаев Владимир Александрович, профессор, кафедра защиты информации, ФГБОУ ВО «Московский государственный технический университет им. Н. Э. Баумана» (105005, Москва, ул. 2-я Бауманская, д. 5, стр. 1), доктор технических наук, ResearcherГО: В-4420-2016, ORCID: https://orcid.org/0000-0002-5342-0864, m1va@yandex.ru
Сычев Михаил Павлович, профессор, кафедра защиты информации, ФГБОУ ВО «Московский государственный технический университет им. Н. Э. Баумана» (105005, Москва, ул. 2-я Бауманская, д. 5, стр. 1), доктор технических наук, ResearcherID: Е-1068-2019, ORCID: https://orcid.org/0000-0002-7535-7704, mpsichov@sm.bmstu.ru
Вайц Екатерина Викторовна, доцент, кафедра защиты информации, ФГБОУ ВО «Московский государственный технический университет им. Н. Э. Баумана» (105005, Москва, ул. 2-я Бауманская, д. 5, стр. 1), кандидат технических наук, ResearcherID: D-9164-2019, ORCID: https://orcid.org/0000-0002-4629-6252, vaitcev@yandex.ru
Бондарь Константин Михайлович, профессор, кафедра информационного и технического обеспечения органов внутренних дел, Дальневосточный юридический институт МВД России (680020, г. Хабаровск, пер. Казарменный, д. 15), кандидат технических наук, доцент, ResearcherID: D-9910-2019, ORCID: https://orcid.org/0000-0002-6928-0413, bondar_km@mail.ru
Заявленный вклад соавторов:
В. А. Минаев - математическое описание моделей, формулирование задач, обсуждение результатов; М. П. Сычев - обоснование имитационной платформы, формулирование выводов; Е. В. Вайц - проведение имитационных экспериментов, описание результатов; К. М. Бондарь - обзор литературы, анализ результатов исследования.
Все авторы прочитали и одобрили окончательный вариант рукописи.
REFERENCES
1. Minaev V.A., Ovchinskiy A.S., Skryl S.V., Trostyanskiy S.N. [How to manage mass consciousness. Modern models]. Moscow: Russian New University; 2013. (In Russ.)
2. Minaev V.A., Dvoryankin S.V. Modeling the dynamics of information and psychological influence on mass consciousness. Voprosy kiberbezopasnosti = Cybersecurity Issues. 2016; 5:56-64. DOI: https:// doi.org/10.21681/2311-3456-2016-5-56-64 (In Russ.)
3. Minaev V.A., Dvoryankin S.V. Foundation and description of informational and psychological destructive nature influences dynamics model in social networks. Bezopasnost informatsionnykh tekhnologiy = IT Security. 2016; 23(3):40-52. Available at: https://bit.mephi.ru/index.php/bit/article/view/16/26 (In Russ.)
4. Minaev V.A., Sychev M.P., Vaits E.V., Gracheva Y.V. Modeling of threats to information security using principles of system dynamics. Voprosy radioelektroniki = Questions of Radio Electronics. 2017; 6:75-82. (In Russ.)
5. Gubanov D.A., Novikov D.A., Chkhartishvili A.G. [Social networks: models of information influence, management and confrontations]. Moscow: Publishing House of Physical, Mathematical and Technical Literature; 2010. (In Russ.)
6. Minaev V.A., Sychev M.P., Vaits E.V., Kirakosyan A.E. System-dynamic modeling of information influences on society. Voprosy radioelektroniki = Questions of Radio Electronics. 2017; 11:35-43. (In Russ.)
7. Alekhnovich S.O., Slizovskiy D.E., Ozhiganov E.N. System-dynamical modeling: the principles, structure and variables (on the example of the Moscow region). Vestnik Rossiyskogo universiteta druzhby narodov. Seriya: Politologiya = Bulletin of Peoples' Friendship University of Russia. Series: Political Science. 2009; 1:22-36. Available at: http://journals.rudn.ru/political-science/article/view/8918/8369 (In Russ.)
8. Liu W., Cui Y., Li. Y. Information systems security assessment based on system dynamics. International Journal of Security and Its Applications. 2015; 9(2):73-84.
9. Kim A.C., Lee S.M., Lee D.H. Compliance risk assessment measures of financial information security using system dynamics. International Journal of Security and Its Applications. 2012; 6(4):191-200.
10. Behara R.S., Derrick Huang C. A System dynamics model of information security investments. Journal of Information System Security. 2010; 6(2):1572-1583. Available at: https://pdfs. semanticscholar.org/5e4d/6276a8788cc43c1bb0531be97eec24490f94.pdf
11. Gusarov A.N., Zhukov D.O., Kosareva A.V. Description of dynamics of computer threats propagation in data computer networks with delay of antivirus software operation. VestnikMGTU im. N. E. Baumana. Ser.: Priborostroyeniye = Herald of the Bauman Moscow State Technical University. Series Instrument Engineering. 2010; 1:112-120. Available at: http://vestnikprib.ru/articles/122/122.pdf (In Russ.)
Submitted 05.12.2018; revised 21.01.2019; published online 29.03.2019
About the authors:
Vladimir A. Minaev, Professor, Department of Information Security, Chair of Information Protection, Bauman Moscow State Technical University (2nd 5, bd. 1 Baumanskaya St., Moscow 105005, Russia), D.Sc. (Engineering), ResearcherID: B-4420-2016, ORCID: https://orcid.org/0000-0002-5342-0864, m1va@yandex.ru
Mikhail P. Sychev, Professor, Department of Information Security, Chair of Information Protection, Bauman Moscow State Technical University (2nd 5, bd. 1 Baumanskaya St., Moscow 105005, Russia), D.Sc. (Engineering), ResearcherID: E-1068-2019, ORCID: https://orcid.org/0000-0002-7535-7704, mpsichov@sm.bmstu.ru
Ekaterina V. Vaits, Associate Professor, Department of Information Security, Chair of Information Protection, Bauman Moscow State Technical University (2nd 5, bd. 1 Baumanskaya St., Moscow 105005, Russia), Ph. D. (Engineering), ResearcherID: D-9164-2019, ORCID: https://orcid.org/0000-0002-4629-6252, vaitcev@yandex.ru.
Konstantin M. Bondar, Professor, Department of Information and Technical Support of Internal Affairs, Far Eastern Law Institute of the Ministry of Internal Affairs of the Russia (15 Kazarmennyy Pereulok, Khabarovsk 680020, Russia), Ph.D., Associate Professor, ResearcherID: D-9910-2019, ORCID: https://orcid.org/0000-0002-6928-0413, bondar_km@mail.ru.
Contribution of the authors:
V. A. Minaev - mathematical description of the models, formulation of the problems, discussion of the results; M. P. Sychev - justification of the simulation platform, formulation of conclusions; E. V. Vaits -simulation experiments, description of the results; K. M. Bondar - literature review, analysis of the research results.
All authors have read and approved the final version of the paper. Computer science, computer engineering and management
