- •Інформаційні операції та безпека суспільства: загрози, протидія, моделювання
- •2.1. Сучасні підходи до моделювання 2.1.1. Синергетичний підхід
- •2.1.2. Багатоагентне моделювання
- •2.1.3. Теоретико-ігровий підхід
- •2.1.4. Екстремальні підходи
- •2.3. Мережні структури в інформаційних операціях
- •3.1. Нелінійні динамічні моделі
- •3.2. Взаємодія електоральних популяцій
- •3.3.1. Рівноважне співіснування сил у власних політичних нішах
- •3.3. Динаміка типу «Конкуренція»
- •3.4.2. Вплив інформаційної операції
- •4.1. Принципи побудови багатоагентних моделей
- •4.2. Моделювання багатоагентних систем
- •4.2.3. Модель переваг груп людей
- •4.3. Імітаційні моделі
- •4.5. Системи клітинних автоматів
- •5.1. Модель, що враховує вплив оточення
- •5.3. Модель, що враховує вплив ззовні
- •5.4. Модель, що враховує внутрішній вплив
- •5.6. Модель дифузії інформації
- •6.4. Фрактальний аналіз: відхилення від лінійного тренда
- •7.1. Сучасний інформаційний простір
- •7.2. Динаміка інформаційних потоків
- •8.1. Політика закритих режимів
- •8.2. Інституціоналізація ідентичності
- •8.3. Формування націй
- •8.4. Моделювання соціального насильства
- •8.5. Придушення повстання та соціального насильства
- •8.6. Перехід від демонстрацій до революції
- •8.7. Боротьба з корупцією
- •8.8. Об'єднання територій
- •8.9. Об'єднання між націями і в межах націй
- •8.10. Асиміляційна динаміка населення
- •Інформаційні операції та безпека суспільства: загрози, протидія, моделювання
2.3. Мережні структури в інформаційних операціях
При розгляді питань моделювання інформаційних операцій та інформаційних впливів не можна обійти такий важливий напрямок, як теорія
36
ПІДХОДИ ДО МОДЕЛЮВАННЯ СОЦІАЛЬНИХ ПРОЦЕДУР
складних мереж (англ. - Сотріех Шітог1<з) [53]. Нині мережні інформаційні структури виступають, з одного боку, як джерела, а з іншого - як об'єкти інформаційного впливу.
Майже кожна інформаційна операція сьогодні є мережною, причому, на відміну від традиційних поглядів на мережні структури, у випадку інформаційних операцій при моделюванні необхідно враховувати ряд особливостей [54]:
ребра мережного графа не обов'язково розглядаються як канали пере дачі інформації, вони можуть являти собою відбиття особливих соціаль них відносин (наприклад, при моделюванні терористичних мереж у якості ребер можуть використовуватися властивості схожості, об'єднання навко ло певних ідей, згадування в одних і тих же джерелах тощо);
ребра (зв'язку в мережі) не є статичними в часі, вони можуть розвива тися на декількох рівнях, у тому числі прихованих, латентних;
реальні мережі не є чітко ієрархічними, вони є еластичними комуніка ційними системами;
межі мереж визначаються за допомогою нечітких критеріїв (напри клад, деяка особа може мати контакти із представниками таємної мережі, але до певного часу не бути її членом);
реальні мережі можуть роз'єднуватися (залежно від реальних умов), при цьому відділені підмережі можуть функціонувати як повнофункці ональні.
Саме теорія складних мереж вивчає не тільки характеристики мереж, обумовлених їхньою топологією, а й статистичні феномени, розподіл ваги окремих вузлів і ребер, ефекти протікання й провідності в таких мережах, динаміку їхнього розвитку.
Незважаючи на те, що в розгляд теорії складних мереж потрапляють різні мережі — електричні, транспортні, інформаційні, найбільший внесок у розвиток цієї теорії було зроблено дослідженням соціальних мереж. Термін «соціальна мережа» означає множину соціальних об'єктів, які можна розглядати як мережу, вузли якої - об'єкти, а зв'язки - соціальні відносини. Цей термін був уведений у науковий обіг у 1954 році соціологом «Манчестерської школи» Дж. Барнсом (Л. Вагпек) у роботі «Класи і збори в норвезькому острівному приході». У теорії соціальних мереж набув розвитку такий напрямок, як аналіз соціальних мереж (8осіа1 №іл¥ог1<: Апаїукік, ІІІ^А). Сьогодні термін «соціальна мережа» означає поняття, що виявилося ширше свого традиційного нетехнологічного соціального аспекту, воно включає багато інформаційних мереж, у тому числі, наприклад, соціальні мережі в Інтернет (рис. 5).
У теорії складних мереж виділяють такі основні напрямки, як дослідження статистичних властивостей, які характеризують поведінку мереж;
37
ПІДХОДИ ДО МОДЕЛЮВАННЯ СОЦІАЛЬНИХ ПРОЦЕДУР
Значення переваги перших членів дуже важливе — наприклад, в інформаційних мережах з надлишком інформації люди схильні звертатися до вузлів, які легше знайти - тому «перші» вузли сильно зв'язані.
Розглянемо деякі інші важливі для подальшого викладу параметри складних мереж. Відстань між вузлами розглянутих мереж визначається як кількість кроків, які необхідно зробити, щоб по існуючих ребрах дістатися від одного вузла до іншого. Природно, вузли можуть бути з'єднані прямо або опосередковано. Шляхом між вузлами називається найкоротша відстань між ними. Для всієї мережі можна ввести поняття середнього шляху, як середню по всіх парах вузлів найкоротшу відстань між ними:
2 ' -„(„- 1)2 4м
де п - кількість вузлів, й.. — найкоротша відстань між вузлами і йу. Деякі мережі можуть виявитися незв'язаними, тобто існують вузли, шлях між якими виявиться нескінченним. Для врахування таких випадків вводиться поняття середнього інверсного шляху між вузлами, що розраховується за формулою:
.. 2 у І
Мережі також характеризуються таким параметром як діаметр або максимальний найкоротший шлях, що дорівнює максимальному значенню з усіх (і...
1 V
Ще один важливий параметр як окремих вузлів, так і всієї мережі - це посередництво (Ьеі\¥ееппе88). Для вузла цей параметр показує, скільки найкоротших шляхів проходить через вузол. Ця характеристика відображає роль даного вузла у встановленні зв'язків у мережі. Вузли з найбільшим посередництвом (комутатори) відіграють головну роль у встановленні зв'язків між іншими вузлами в мережі. Посередництво вузла визначається за формулою:
де В(і^) - загальна кількість найкоротших шляхів між вузлами і й }, В(і,т^) - кількість найкоротших шляхів між вузлами і тау, які проходять через вузол т. Для всієї мережі можна підрахувати середній рівень посередництва.
Складні соціальні мережі характеризуються наявністю так званої структури співтовариства, про яку говорять, коли існують групи вузлів, які мають високу щільність ребер між собою, при тому, що щільність ре-
39
РОЗДІЛ 2
бер між окремими групами - низька. Традиційний метод для виявлення структури співтовариств - кластерний аналіз. Існують десятки прийнятних для цього методів, які базуються на різних мірах відстаней між вузлами, зважених шляхових індексах між вузлами тощо. Зокрема, для великих соціальних мереж наявність структури співтовариств виявилася невід'ємною властивістю.
При визначенні параметрів мережі важливе значення має таке поняття, як кліки (сііцие). Під клікою розуміються підмережі, в яких у кожної з пар вузлів існує ребро між ними. Під розміром кліки розуміють число вузлів, які містить ця кліка. Менш жорсткі умови пред'являються до так званих 7У-клік (7У-с1іцие) — множин вузлів, що знаходяться один від одного на відстані, яка не перевищує значення N. Кліку, до якої не можна додати жодного вузла з вихідної мережі, не порушивши названої вище властивості кліки, називають максимальною.
Поняття 7У-кліки не вимагає, щоб вузли, що входять до неї, були зв'язані через вузли, що також входять до неї. У свою чергу 7У-кланом (7У-с1ап) називається така 7У-кліка, в якій усі вузли зв'язуються через вузли, що існують у цій 7У-кліці.
Підмножина вузлів мережі називається А'-плексним (А'-рІех), якщо в ньому кожний з вузлів має принаймні N — К ребер з іншими вузлами (ТУ- кількість вузлів у мережі). Множина вузлів у мережі називається А'-ядерною (А'-соге), якщо у кожного з вузлів, що входять у цю множину, є ребро щонайменше до К інших вузлів цієї множини.
Існує кілька актуальних завдань дослідження складних мереж, серед яких можна виділити наступні основні:
визначення клік у мережі (відомо, що складність цього завдання має експонентний характер, тому для його практичного вирішення для реаль них великих мереж не підходять традиційні методи з теорії графів);
виділення компонентів (частин мережі), які зв'язані всередині й не зв'язані між собою;
знаходження блоків і перемичок. Вузол називається перемичкою, якщо при його вилученні мережа розпадається на незв'язані частини;
виділення угруповань - груп еквівалентних вузлів (які мають макси мально схожі профілі зв'язків);
виявлення прихованих (латентних) зв'язків [36];
вилучення незначних (шумових) зв'язків;
визначення й урахування динаміки розвитку мережі.
Д. Уоттс (В. ^айк) і С. Строгатц (8. 8іго§аІ2) у 1998 році визначили такий параметр мереж, як коефіцієнт кластерності [56], що відповідає рівню зв'язності вузлів у мережі. Цей коефіцієнт характеризує тенденцію до утворення груп взаємозалежних вузлів - клік. Крім того, для конкретного
40
ПІДХОДИ ДО МОДЕЛЮВАННЯ СОЦІАЛЬНИХ ПРОЦЕДУР
вузла коефіцієнт кластерності показує, скільки найближчих сусідів даного вузла є також найближчими сусідами один для одного.
Коефіцієнт кластерності для окремого вузла мережі визначається наступним чином. Нехай з вузла виходить А: ребер, які з'єднують його з А: іншими вузлами, найближчими сусідами. Якщо припустити, що всі найближчі сусіди з'єднані безпосередньо один з одним, то кількість ребер між ними становила б 1/2&(& — 7). Тобто це число, що відповідає максимально можливій кількості ребер, якими могли б з'єднуватися найближчі сусіди обраного вузла. Відношення реальної кількості ребер, що з'єднують найближчих сусідів даного вузла до максимально можливого (такого, при якому всі найближчі сусіди даного вузла були б з'єднані безпосередньо один з одним) називається коефіцієнтом кластерності вузла і — С(ї). Природно, ця величина не перевищує одиниці.
Нині досить успішно вивчаються масштабовані, статичні, "малі світи" й інші мережі, досліджуються їхні фундаментальні властивості, такі як стійкість до деформацій і перколяція (протікання), еластичність, відновлюва-ність. Деякі властивості реальних мереж не укладаються в рамки традиційних моделей. До таких властивостей відносяться і так звані слабкі зв'язки. Аналогом слабких соціальних зв'язків є, наприклад, відносини з далекими знайомими й колегами. У деяких випадках ці зв'язки є ефективнішими, чим зв'язки «сильні». Так, групою дослідників з Великої Британії, СШАй Угорщини був отриманий концептуальний висновок у галузі мобільного зв'язку, який полягає в тому, що «слабкі» соціальні зв'язки між індивідуумами є найважливішими для існування соціальної мережі [57].
Для дослідження були проаналізовані дзвінки 4.6 млн. абонентів мобільного зв'язку, що становить близько 20% населення однієї європейської країни. Це був перший випадок у світовій практиці, коли вдалося одержати й проаналізувати таку велику вибірку даних, які відносяться до міжосо-бистісної комунікації.
У соціальній мережі з 4.6 млн. вузлів було виявлено 7 млн. соціальних зв'язків, тобто взаємних дзвінків від одного абонента іншому й навпаки, якщо зворотні дзвінки були зроблені протягом 18 тижнів. Частота й тривалість розмов були використані з метою визначення міцності кожного соціального зв'язку.
Було виявлено, що саме слабкі соціальні зв'язки (один-два зворотних дзвінки протягом 18 тижнів) зв'язують в одне ціле велику соціальну мережу. Якщо ці зв'язки проігнорувати, то мережа розпадеться на окремі фрагменти. Якщо ж не враховувати сильних зв'язків, то зв'язність мережі порушиться (рис. 6). З'ясувалося, що саме слабкі зв'язки є тим феноменом, який зв'язує мережу в єдине ціле. Слід вважати, що даний висновок справедливий і для веб-простору, хоча досліджень у цій галузі дотепер не проводилося.
41
РОЗДІЛ 2
порівняно з випадковими мережами, адже більшість пар вузлів реальних мереж з'єднані короткими шляхами.
Практикою доведено [59], що терористичні мережі найчастіше не тільки безмасштабні, але також демонструють властивості «малих світів», тобто те, що наявність тісно зв'язаних кластерів (груп тісно зв'язаних вузлів) забезпечує локальний зв'язок навіть у випадках вдалих атак, коли концентратори (найбільші посередники) виходять із ладу.
При вивченні «малих світів» визначився цікавий підхід, логічно пов'язаний з поняттям перколяції (протікання) [60, 61]. Виявляється, що багато питань, які виникають при аналізі мережної безпеки в Інтернеті, безпосередньо відносяться до цієї теорії. Найпростіше, очищене від усіх фізичних і математичних нашарувань формулювання задачі теорії перколяції має такий вид: «Дана мережа, випадкова частина ребер якої проводить сигнал, а інша частина - не проводить. Основне запитання - чому дорівнює мінімальна концентрація провідних зв'язків, при якій ще існує шлях через всю мережу?». До задач, які вирішуються в рамках теорії перколяції та аналізу мереж, відносяться такі як визначення граничного рівня провідності, зміни довжини шляху та його траєкторії при наближенні до граничного рівня провідності, кількості вузлів, які необхідно вивести з ладу, щоб порушити зв'язність мережі.
Нещодавно було показано, що найбільшу інформаційну провідність має особливий клас мереж, так званих заплутаних (епіап§1ес1 пегдаогЬк). Вони характеризуються максимальною однорідністю, мінімальною відстанню між будь-якими двома вузлами й дуже вузьким спектром основних статистичних параметрів. Вважається, що заплутані мережі можуть знайти широке застосування в галузі інформаційних технологій, зокрема в нових поколіннях веб, дозволяючи істотно знизити обсяги мережного трафіку.
Важливою характеристикою складних мереж є еластичність, яка відноситься до розподілу відстаней між вузлами при вилученні окремих вузлів. Еластичність мережі залежить від її зв'язності, тобто існування шляхів між парами вузлів. Якщо вузол буде вилучений з мережі, типова довжина цих шляхів збільшиться. Якщо цей процес продовжувати досить довго, мережа перестане бути зв'язаною.
Чимало дослідників [55, 53] єдині в думці, що багато з терористичних мереж мають властивості безмасштабності, тому їх можна розглядати з урахуванням цієї властивості для аналізу і прогнозування сценаріїв інформаційних операцій та інших атак. Було виявлено, наприклад, що безмасштабні мережі досить толерантні щодо випадкових помилок. У випадковій мережі (мережі з рівномірним розподілом ступенів вузлів) невелика кількість випадкових помилок може зруйнувати мережу. Великомасштабна мережа може поглинати випадкові помилки, що охоплюють
44
ПІДХОДИ ДО МОДЕЛЮВАННЯ СОЦІАЛЬНИХ ПРОЦЕДУР
режі була близькою до самодостатності, то вона продовжує функціонувати самостійно. У протилежному випадку частина мережі припиняє функціонування доти, поки не сформується новий зв'язок.
Якщо одне з возз'єднань виявляється успішним, то його ініціатор стає новим комутатором, який поєднує дві частини мережі.
Саме завдяки наведеним механізмам складним динамічним мережам властива самовиліковність. Як приклад можна вказати, що атаки на тренувальні табори терористів у Центральній Азії практично не зруйнували їхньої мережі більш-менш значною мірою. Тому пріоритет у дослідженні дестабілізації терористичних мереж віддається пошуку ключових осіб, нейтралізація (усунення) яких розділить мережу на окремі фрагменти. Проте, експерименти показують, що після того, як терористична мережа розділяється на ізольовані осередки, вона продовжує використовувати свої приховані ресурси та швидко відновлює втрати. Одночасність атак на концентратори в цьому випадку дуже важлива.
Аналізуючи зв'язки в мережі, можна виявити багато важливих властивостей, наприклад, визначити наявність кластерів, їхній склад, розходження у зв'язності усередині та між кластерами, ідентифікувати ключові елементи, які зв'язують кластери між собою тощо. Разом з тим, серйозною перешкодою під час аналізу мереж є неповна інформація щодо зв'язків між її окремими вузлами. Нещодавно група дослідників з Інституту Сан-та Фе (8апіа Ре Ішіііиіе) представила алгоритм, з допомогою якого стає можливим автоматичне одержання інформації щодо ієрархічної структури подібних мереж [68].
Так, знаючи, наприклад, лише про половину зв'язків між терористами в безмасштабній мережі, можна з високою імовірністю відновити відсутні ланки всього ланцюжка. Навіть не маючи повного опису системи, можна одержувати репрезентативну вибірку зв'язків і по ній намагатися добудовувати всю мережу. Аналіз отриманого графа дає змогу виявити потенційно важливі зв'язки, які не вдалося виявити іншими засобами. Маючи інформацію лише про половину контактів терористів між собою, можна з імовірністю 0,8 прогнозувати ті зв'язки, про які спочатку нічого не було відомо.
Таким чином, властивості складних мереж визначають тактику їхнього руйнування, яка передбачає такі етапи як аналіз і планування, практично одночасну нейтралізацію вузлів-концентраторів, послідовне знищення інших вузлів у порядку зменшення відповідних їм показників посередництва.
49
РОЗДІЛ 3.
НЕЛІНІЙНІ МОДЕЛІ СОЦІАЛЬНИХ ПРОЦЕСІВ
