«А. Г. Додонов, Д. В. Ландэ, В. В. Прищепа, В. Г. Путятин КОНКУРЕНТНАЯ РАЗВЕДКА В КОМПЬЮТЕРНЫХ СЕТЯХ Киев – 2013 УДК 004.5 ББК 22.18, 32.81, 60.54 C95 А.Г. Додонов, Д.В. Ландэ, В.В. Прищепа, В.Г. Путятин Конкурентная ...»

– ранжирование потенциальных заказчиков по их 2. Планирование:

1) стратегическое планирование оборонительной операции (явное или неявное):

– определение критериев информационных воздействий;

– моделирование информационных воздействий с учетом: связей объекта; динамики воздействия;

«особых» (критичных) точек воздействия;

– прогнозирование следующих шагов;

2) тактическое планирование контропераций.

3. Исполнение — отражение информационного воздействия:

1) выявление и «сглаживание» информационного повода;

2) контрпропаганда;

3) оперативная разведка;

4) оценка информационной среды;

5) корректировка информационного противодействия.

4. Завершающая фаза:

аналитических систем массовой информации. От экспертов или непосредственно из информационного пространства (например, с помощью средств контент-мониторинга) инфомация поступает в информационно-аналитическую систему (IAS). Информационно-аналитическая система передает лицам, принимающим решения (P), данные, которые определяют меры информационного воздействия на информационное пространство и непосредственно на объекты реального мира (людей, окружающую среду, компьютерные системы и т. д.).

7.3. Моделирование информационных операций Моделирование можно рассматривать как один из способов решения проблем, возникающих в реальном мире, в частности, при планировании и проведении информационных операций. Чаще всего моделирование применяется в случаях, если эксперименты с реальными объектами невозможны, либо слишком затратные. Моделирование охватывает отображение реальной проблемы в мир абстракции, изучение, анализ и оптимизацию модели, и отображение оптимального решения обратно в реальный мир.

При моделировании существуют два альтернативных подхода — аналитическое и имитационное моделирование. Идеальные аналитические модели допускают строгое аналитическое решение или, по меньшей мере, постановку, например в виде систем дифференциальных уравнений. Однако, аналитические решения не всегда достижимы. Поэтому, особенно в последнее время, и особенно при решении задач из области социальной динамики все чаще применяются методы имитационного моделирования (Simulation Modeling). Имитационное моделирование представляет собой более мощное и практически незаменимое средство анализа социальных процедур. Имитационную модель можно рассматривать как множество правил, определяющих будущее состояние системы на основании текущего. При этом процесс моделирования заключается в наблюдении эволюции системы во времени по данным правилам, и, соответственно, оценки адекватности модели, когда это возможно.

Наиболее перспективным направлением моделирования информационных операций является математическое описание самоорганизации среды восприятия и распространения информации с учетом сложившихся в текущий момент условий. Самоорганизующиеся среды, для которых отсутствует центральный механизм управления, а развитие идет за счет множества локальных взаимодействий, изучаются теорией сложных систем. Эта теория охватыКонкурентная разведка в компьютерных сетях вает такие отрасли знаний, как нелинейная физика, термодинамика неравновесных процессов, теория динамических систем. Взаимодействия между отдельными элементами сложных систем определяют возникновение сложного поведения при отсутствии централизованного управления. Для исследований подобного поведения применяются самые современные методы, которые охватываются междисциплинарной основой современной методологии — концепцией сложности. В настоящее время к теоретическим и технологическим основам этой концепции относятся теории детерминированного хаоса, фракталов и сложных сетей, синергетика, волновой (вейвлет) анализ, многоагентное моделирование, теория самоорганизованной критичности (изучающей динамическое развитие до критического состояния, характеризуемого сильными пространственно-временными флуктуациями, без внешнего управления [Bak, 1996]), теория перколяции (Percolation – протекание) и т.п.

Моделирование социальных процедур (информационные операции, безусловно, относятся к таковым) предполагает проведение вычислительных экспериментов, так как чаще всего возникают существенные ограничения, затрудняющие проведение «полевых»

натуральных экспериментов.

При моделировании информационных операций вычислительный эксперимент позволяет сократить операции по уточнению ограничений, подбору исходных данных, выбору правил функционирования компонент модели и т.д. В этом случае появляется возможность учета случаев, трудно реализуемых на практике, используя реальные данные лишь для идентификации параметров математической модели. Вместе с тем математическое моделирование имеет свои ограничения, реальный мир оказывается сложным для моделирования с достаточным уровнем детализации и точности, т.е. более или менее достоверные математические модели настолько сложны и многопараметричны, что не поддаются анализу и оценкам точными методами.

Отработать математические модели при планировании информационных операций можно лишь в процессе моделирования конкретных процедур, постоянно сопоставляя их с реальностью.

Выраженная цель методологии оценки информационных операций состоит в том, чтобы обеспечить своевременный и точный анализ возможных несоответствий между запланированной операцией и фактическим воздействием. Когда обнаруживаются существенные различия, которые влияют на вероятности успеха операции, аналитическая система должна сообщать об этом лицам, принимающим решения, для того, чтобы откорректировать текущие планы и решения. Вместе с тем, при планировании информационных операций нельзя действовать методом проб и ошибок, поэтому необходимо развивать методы, позволяющие обобщать ретроспективные данные, и на их основе проверять адекватность моделей.

В основу успешных моделей информационных операций закладываются синергетические подходы. Действительно, общество является сложной системой, каждая компонента которой характеризуется множеством признаков, имеет множество степеней свободы. При этом важным свойством этой системы является самоорганизация, которая является результатом взаимодействия таких компонент, как случайность, многократность, положительная и отрицательная обратная связь.

Особенностью математического моделирования информационных операций следует считать сравнительную простоту интерпретации получаемых результатов. Такие понятия, как «численность электората», «политический вес» и т.д., воспринимаются на интуитивном уровне даже без знакомства с точными (насколько они тут возможны) определениями. А это позволяет делать подобный анализ актуальных ситуаций предметом широкого обсуждения.

В силу того, что некоторые решения являются неустойчивыми по отношению к своим параметрам, значения таких параметров необходимо определять с высокой точностью. Для этого требуется комплекс методик, основанных не только на обработке больших объемов статистических данных, но и на разносторонних социологических исследованиях.

В настоящее время реалистичной выглядит постановка задачи, состоящая в использовании математических моделей для прогнозирования возможных сценариев динамики социальных процессов на качественном уровне. В такой формулировке моделирование динамики занимает как бы промежуточный уровень между тем, что изложено здесь, и точным прогнозированием. И все же потребуется выбор значений параметров, которые бы в некотором разумном приближении соответствовали изучаемой ситуации, причем в большинстве случаев продуктивным оказывается использование относительных величин. Так, конечно, не получить достоверных данных о будущем развитии событий, но, скорее всего, можно составить более или менее адекватную картину того, что и как может произойти. А это уже не мало.

Для достижения успеха при этом отдельные информационные воздействия необходимо рассматривать как части единой информационной операции, точно так же, как артобстрел или авиационКонкурентная разведка в компьютерных сетях ные атаки можно рассматривать как согласованные части военной операции.

При этом информационным операциям присущи такие основные особенности:

– информационные операции – это междисциплинарный набор методов и технологий в таких областях, как информатика, социология, психология, международные отношения, коммуникации, военная наука;

– до сих пор не существует стандартов проведения информационных операций;

– в развитии технологий информационных операций заинтересованы не только оборонные ведомства, но и многие правительственные и коммерческие организации;

– задача формирования научного подхода к информационным операциям является насущной и актуальной.

При проведении информационных операций существенно выявление содержания (знаний), вкладываемого в информацию, с учетом самых разнообразных аспектов – социальных, политических, религиозных, исторических, экономических, психологических, ментальных, культурных, присущих различным слоям общества. Поэтому в настоящее время имеет смысл рассматривать информационные операции шире, как операции, базирующиеся на знаниях (Knowledge Operations) [Burke, 2001].

Обычная сетевая информационная атака в веб-среде сегодня производится следующим образом: как правило, создается и некоторое время функционирует веб-сайт (назовем его «первоисточником»), при этом он публикует вполне корректную информацию. В час Х на его странице появляется документ, обычно компромат на объект атаки, достоверный либо сфальсифицированный. Затем происходит так называемая «отмывка информации». Документ перепечатывают интернет-издания двух типов – заинтересованные в атаке и те, кому попросту не хватает информации для заполнения своего информационного поля. В случае претензий все перепечатывающие издания ссылаются на «первоисточник» и, в крайнем случае, по просьбе/требованию объекта атаки удаляют со своих вебсайтов информацию. Первоисточник при необходимости также снимает информацию либо вовсе ликвидируется (после чего оказывается, что он зарегистрирован в Интернет на несуществующее лицо). Вместе с тем информация уже разошлась, задача первоисточника выполнена, атака стартовала.

Современное информационное пространство представляет собой уникальную возможность получения любой информации по выбранному вопросу при условии наличия соответствующего инструментария, применение которого позволяет анализировать взаимосвязь возможных событий или событий, которые уже происходят, с информационной активностью определенного круга источников информации. С другой стороны, при ретроспективном анализе любого процесса или явления интерес представляют определенные характеристики его развития, а именно:

– количественная динамика, присущая процессу или явлению, например, количество событий в единицу времени, или количество сообщений, имеющих отношение к нему;

– определение критических, пороговых точек, которые соответствуют количественной динамике явления;

– определение проявлений в критических точках, например, выявления основных сюжетов публикаций в СМИ относительно выбранного процесса или явления;

– после выявления основных проявлений явления в критических точках, эти проявления ранжируются, и исследуется динамика развития отдельных определенных проявлений до и после определенных критических точек;

– осуществляется статистический, корреляционный и фрактальный анализ общей динамики и динамики отдельных проявлений, на основе которых осуществляются попытки прогнозирования развития явления и отдельных его проявлений.

Для исследования взаимосвязи реальных событий и публикаций о них в сети Интернет авторами использовалась система InfoStream, обеспечивающая интеграцию и мониторинг сетевых информационных ресурсов.

Количество веб-публикаций в день по какой-либо теме, а особенно изменения (динамика) этой величины порой позволяют даже небольшим специалистам в предметной области делать болееменее точные выводы.

Получить данные подобной динамики можно, например, ежедневно заходя на сайты интеграторов новостей (news.yandex.ru, webground.su, uaport.net). Конечно, в лучшем положении пользователи профессиональных систем мониторинга типа Интегрум или InfoStream. Именно на основе последней системы получена удивительная статистика по количеству веб-публикаций по тематике эпидемий гриппа в разные периоды.

В качестве примера рассмотрим информационную кампанию, направленную против «Проминвестбанка», которая началась в конце сентября 2008 г.

Конкурентная разведка в компьютерных сетях С помощью системы контент-мониторинга InfoStream (www.infostream.ua) [Григорьев, 2007], сканирующей все основные информационные веб-сайты Украины в режиме реального времени, была определена динамика публикаций на веб-сайтах сообщений, в которых упоминался «Проминвестбанк» за три месяца – сентябрь, октябрь и ноябрь (рис. 43). Эта динамика свидетельствует о небольшом количестве публикаций за первую половину сентября, однако затем пошел ряд публикаций, компрометирующих председателя правления В. Матвиенко, что вызвало относительно небольшой резонанс.

Рис. 43 – Динамика публикаций по теме «Проминвестбанк»

Как оказалось впоследствии, эти публикации были лишь «артподготовкой». 26 сентября появились первые сообщения о возможном банкротстве банка (рис. 44), количество которых вполне соответствовало лавинообразному процессу, ограниченному лишь числом веб-сайтов, способных публиковать подобную информацию. Впрочем, этот процесс вышел на стабильно-средний уровень к декабрю 2008 г.

Нельзя утверждать, что лишь информационная атака через сеть Интернет привела банк к печальному состоянию, однако именно первые тревожные сообщения подорвали доверие многих вкладчиков, заставили их массово забирать свои сбережения из банка.

30 сентября появилось сообщение, что для спасения Проминвестбанка Национальный Банк Украины (НБУ) решил выделить ему 5 млрд. гривен рефинансирования, а 5 декабря появилось сообщение, что у «Проминвестбанка» появился новый владелец (рис.

45). После этого объемы публикаций о «Проминвестбанке» существенно сократились, что свидетельствует не столько об его оздоровлении, сколько о системном кризисе банковской системы Украины, «уронившему» многие другие кредитные и банковские учреждения.

Рис. 44 – Одно из первых тревожных сообщений Буквально через неделю после описанных выше событий в Украине произошла еще одна публичная знаковая информационная атака, в этот раз на рынке страхования. Это была настоящая информационная операция против Национальной акционерной страховой компании (НАСК) «Оранта». В этом случае первоисточником компромата оказался не веб-сайт, а информационное сообщение, Конкурентная разведка в компьютерных сетях разосланное электронной почтой тысячам пользователей Интернет. В результате применения специальных технических приемов, оно разошлось с обозначением адреса пресс-службы объекта атаки.

Итак, 10 декабря 2008 года в районе 11:30 в виде спама было разослано информационное сообщение, в котором говорилось о том, что страховая компания «Оранта» заявляет о банкротстве. По предварительным данным, информация разлетелась по 1000 адресам, естественно, данные попали к конкурентам и в СМИ. В сообщении говорилось, что компания с 31 декабря 2008 года прекращает выполнять взятые перед клиентами обязательства.

Рис. 45 – Сообщения, завершившие экстремальную динамику интенсивности публикаций по теме «Проминвестбанк»

В связи со случившимся НАСК «Оранта» обратилась в правоохранительные органы с просьбой расследовать данный инцидент и наказать виновных. Произошедшее с НАСК «Оранта» очень напоминало ситуацию с «Проминвестбанком», с этим согласились многочисленные эксперты. Ведь как банковский бизнес, так и страховой основываются на доверии клиентов, которое легче всего подрывается именно информационными атаками. По словам Олега Спилки, председателя наблюдательного совета НАСК «Оранта», «Это мероприятие готовилось целенаправленно для того, чтобы дискредитировать страховую компанию и подорвать ее репутацию». Не вдаваясь в детали возможных целей атаки (смена владельцев, борьба за блокирующий пакет акций, уничтожение компании и т.п.), с помощью ретроспективного анализа проследим за динамикой публикаций в сети Интернет, в которых упоминалась НАСК «Оранта».

На рис. 46 приведена посуточная динамика количества соответствующих публикаций. На этой диаграмме, кроме всего прочего, отчетливо виден спад интенсивности публикаций по данной теме в начале декабря 2008 г., что вполне можно воспринимать как некоторое «затишье перед бурей».

Рис. 46 – Интенсивность публикаций в Интернет Для анализа временных рядов в рамках исследования авторов применялся DL -метод. На рис. 47 представлена скейлограмма динамики рассматриваемого процесса с помощью метода ( DL метода) за второе полугодие 2008 года. Несмотря на отдельные пики в 16 и 55 день квартала, все же наибольший интерес представляет экстремум, приходящийся именно на 10–12 декабря.

Конкурентная разведка в компьютерных сетях Более детальная статистика публикаций по теме «Оранта» за декабрь 2008 года получена через интерфейс пользователя системы контент-мониторинга InfoStream (рис. 48).

Рис. 48 – Детальная диаграмма интенсивности Проследим за ходом информационной операции, рассматривая сообщения, публикуемые в разные промежутки времени.

На рис. 49 приведен список публикаций по теме «Оранта» в течение первых часов атаки. По словам Олега Спилки, в течение двух часов с начала атаки все почтовые серверы НАСК «Оранта» были выведены из строя, поэтому опровержение в сети задержалось.

Рис. 49 – Первые часы атаки. Самые «оперативные» источники В 12:31 на сайте «Экономические новости» появляется странное «обновленное» сообщение с парадоксальным последним предложением (рис. 50).

Далее руководство НАСК «Оранта» опубликовало в Интернете первые опровержения, не спеша обвинять конкурентов в происшедшем, а затем все же признав атаку целенаправленной и выгодной третьим лицам.

На рис. 51 приведен список публикаций, посвященных опровержению сообщения о банкротстве за следующий день (11 декабря), а также наиболее активных источников, опубликовавших эти сообщения. Безусловный интерес аналитиков вызывает сравнение источников, приведенных на рис. 49 и 51.

Конкурентная разведка в компьютерных сетях Дальнейший спад публикаций по теме НАСК «Оранта» и возвращение его на нормальный «средний» уровень свидетельствует о том, что компания своими осторожными и точными действиями смогла с успехом противостоять информационной операции.

7.4. Выявление информационных операций Для оперативного анализа информационной обстановки с целью выявления информационных операций применяются специализированные системы мониторинга информационного пространства (контент-мониторинга). Такие системы обеспечивают, вопервых, оперативность, которую не могут обеспечить традиционные поисковые системы (время индексации сетевого контента даже лучшими из них составляет от нескольких суток до нескольких недель). Во-вторых, полноту (как в плане источников, так и представления материалов источников), которую не всегда обеспечивают обычные агрегаторы новостей. И, в-третьих, необходимые аналитические средства, которые позволяют пользователю создавать аналитические отчеты, базирующиеся на публикациях по заданной тематике в необходимый период времени.

В плане профилактики информационных операций следует внимательно следить за динамикой публикаций о целевой компании, если есть возможность, с учетом тональности этих публикаций, пользоваться доступными аналитическими средствами, например, вейвлет-анализом. При этом следует ориентироваться на возможные модели информационных атак, например, если эта модель охватывает фазы: «фоновые публикации» — «затишье» — «артподготовка» — «затишье» — «атака» (рис. 52), то уже по первым трем компонентам можно с большой вероятностью предсказать грядущие события.

Приведенный выше план, очевидно, является идеальным, ориентированным исключительно на данные контент-мониторинга веб-ресурсов.

Конечно, в лучшем положении находятся пользователи профессиональных систем контент-мониторинга. Многие современные информационно-аналитические системы содержат в своем составе средства отображения статистики вхождения в базы данных понятий, соответствующих пользовательским запросам. В частности, авторами использовалась подсистема статистики в рамках системы контент-мониторинга веб-пространства InfoStream, реализующая данную функциональность.

При изучении трендов информационных операций в качестве временных рядов рассматриваются именно ряды по количеству тематических публикаций за определенный промежуток времени (чаще всего – за сутки), соответствующие этим информационным операциям. Поэтому для выявления трендов исследуются инфорКонкурентная разведка в компьютерных сетях мационные потоки, соответствующие тематикам информационных операций – тематические информационные потоки.

Приведенные в [Горбулін, 2009] тренды сообщений, соответствующие этапам информационной операции, приведены на рис.

53. При этом аналитикам следует ориентироваться на такие модели, например, если мониторинг позволяет определить фазы: «фон»

– «затишье» – «артподготовка» – «затишье» – «атака», то уже по первым трем компонентам можно с большой вероятностью предсказать будущие события.

Рис. 52 – Динамика количества тематических сообщений во время проведения информационной операции: 1 – фон; 2 – затишье;

3 – «артподготовка»; 4 – затишье; 5 – атака/триггер роста Следует отметить, что подобная динамика количества тематических сообщений при проведении информационных операций хорошо описывается известным уравнением распространения электромагнитных волн:

где x – время, A и B – константы, определяемые эмпирически.

Как известно, в настоящее время инновационная деятельность также косвенно измеряется количеством публикаций, относящимся к инновациям, существует несколько моделей инновационных процессов, среди которых можно выделить модель диффузии инноваций [Bhargava, 1993]. Вместе с тем, внедрение инноваций также можно считать информационными операциями. Поэтому обратимся к результатам соответствующих исследований. На рис. приведена обоснованная в [Хорошевский, 2012] диаграмма количества публикаций, соответствующая тренду инновационной деятельности.

Рис. 53 – Диаграмма количества публикаций, соответствующих тренду инновационной деятельности: 1 – атака/триггер роста;

2 – пик завышенных ожиданий; 3 – утрата иллюзий;

4 – общественное осознание; 5 – продуктивность/фон Объединяя графики, соответствующие началу информационной операции (рис. 52) и тренду инновационной деятельности (рис.

53), можно получить полный график, соответствующий отображению информационных операций в информационном пространстве (рис. 54).

Предложенные модели полностью соответствуют реальным данным, которые экстрагируются системами контент-мониторинга [Додонов, 2009], [Ландэ, 2007]. Поэтому приведенные зависимости могут быть использованы как шаблоны для выявления информационных операций – как путем анализа ретроспективного фонда сетевых публикаций, так и для оперативного мониторинга появления некоторых их признаков в реальном времени. Как известно, для выявления информационных операций следует внимательно следить за динамикой публикаций по целевой теме и, если есть возможность, пользоваться доступными аналитическими средствами, средствами цифровой обработки данных и распознавания образов, например, вейвлет-анализом или полиномами Кунченко [Чертов, 2009].

Конкурентная разведка в компьютерных сетях Рис. 54 – Обобщенная диаграмма, соответствующая всем этапам жизненного цикла информационных операций: 1 – фон; 2 – затишье;

3 – «артподготовка»; 4 – затишье; 5 – атака/триггер роста;

8 – общественное осознание; 9 – продуктивность/фон В качестве примера, на рис. 55 показана динамика публикаций в RUNet – тематических информационных потоков по запросам «Банки, Кипр», «Офшор», «Вирджинские острова» за март-апрель 2013 года, в период известных кризисных событий, полученная с помощью системы InfoStream. Как видно из рис. 55, пик публикаций, связанных с банковским кризисом на Кипре приходится на 17марта 2013 года, в то время, как большинство публикаций по Вирджинским островам пришелся на 4–5 апреля, когда там, со значительно меньшими масштабами, стали проявляться события, подобные кипрским. При этом следует отметить слабую коррелированность динамики информационных потоков, связанных с Кипром и Вирджинскими островами. В этом случае коэффициент взаимной корреляции соответствующих числовых рядов составил всего 0,3. При этом отмечается высокий уровень взаимной корреляции рядов соответствующих тематикам «Офшор» и «Банки Кипра» (0,73), а также «Офшор» и «Вирджинские острова» (0,77).

По-видимому, проявления информационных операций в области офшорных банков в данном случае лучше всего увидеть при анализе более общей тематики – «Офшоры». На графике соответствующего числового ряда четко видны две области локальных экстремумов, соответствующих кризисным ситуациям на Кипре и на Вирджинских островах, а также фазы, соответствующие «затишьям» и «артподготовкам».

Можно высказать предположение, что если динамика частного информационного потока в какой-то момент начинает существенно отличаться от динамики потока, соответствующего более общей тематике (как в рассматриваемом случае, «Банки Кипра» и «Офшор»), то возможно проявление признаков начала информационной операции, относящейся к узкой тематике.

Рис. 55 – Диаграмма динамики тематических информационных потоков по запросам: о – «Банки Кипра»; – «Вирджинские острова»; х – «Офшор»

При проведении вейвлет-анализа [Астафьева, 1996], [Buckheit, 1995] (рис. 56) было принято решение использования вейвлета «Мексиканская шляпа», как близкого по форме к диаграмме, приведенной на рис. 54.

Рассматриваемые процессы четко просматриваются как на вейвлет-спектрограммах, так и на соответствующих им скелетонах (графиках линий экстремумов).

Приведенные модели и методы пригодны для описания общих тенденций динамики информационных процессов, однако, проблема прогнозирования остается открытой. По-видимому, более реалистичные модели могут быть получены с учетом дополнительного набора факторов, большинство которых не воспроизводятся во времени. Вместе с тем, структура правил, лежащих в основе функционирования большинства из доступных моделей, позволяет вносить соответствующие коррективы, например, искусственно моделировать случайные отклонения.

Отметим, что воспроизведение результатов во времени является серьезной проблемой при моделировании информационных процессов и составляет основу научной методологии. В настоящее время только ретроспективный анализ уже реализованных информационных операций остается относительно надежным способом их верификации.

Естественно, на практике ориентация лишь на единственный тип источников может привести к дефициту информации, необхоКонкурентная разведка в компьютерных сетях димой для принятия решений, неточностям, а порой – к дезинформированности. Лишь применение комплексных систем, базирующихся на использовании многочисленных источников и баз данных, наряду с приведенными выше возможностями системы контент-мониторинга, может гарантировать эффективную информационную поддержку при противодействии информационным операциям.

Рис. 56 – Вейвлет-спектрограммы, соответствующие динамике тематических информационных потоков по запросам: а – «Банки Кипра»;

Выделенные образцы поведения рядов интенсивностей тематических публикаций могут рассматриваться как шаблоны (образцы) функциональной зависимости. Эти шаблоны можно взять в качестве единого базисного элемента некоторого линейного пространства, т.е. в качестве порождающего элемента e для моделирования с помощью полиномов Кунченко [Чертов, 2009].

Тогда как линейную комбинацию линейно-независимых преобразований f1 (e), f 2 (e),..., f n (e) соответствующего порождающего элемента можно построить полином Pn приближения n -го порядка к части выходного сигнала f s (e ) :

где коэффициенты ck определяются из условия обеспечения минимума расстояния между строящимся полиномом и сигналом.

Элемент c0 определяется выражением:

а другие коэффициенты ck – как решение системы линейных уравнений:

где центрированные корреляты Fi,k также рассчитываются с помощью соответствующих преобразований:

Числовой характеристикой, которую можно использовать в критериях качества сопоставления сигнала с выделенным шаблоном, т. е. как меру приближения полинома Кунченко Pn к сигналу f s (e ), можно считать коэффициент эффективности d n :

Рассмотренный метод распознавания определенных образцов с помощью построения пространства с порождающим элементом и поиска коэффициентов соответствующего полинома Кунченко может быть использован в любой проблемной области, в которой Конкурентная разведка в компьютерных сетях можно априори во временном ряду выделить определенные характерные шаблоны.

Таким образом, построив типовые модели поведения рядов интенсивности тематических публикаций во время проведения информационных операций и сопоставив шаблоны, полученные на их основе, можно использовать метод на основе полиномов Кунченко для определения (и предупреждения) возможной информационной атаки.

Динамика тематических информационных потоков определяется комплексом как внутренних, так и внешних нелинейных механизмов, которые должны быть отражены при моделировании (возможно, в неявном виде). Зачастую удовлетворительным оказывается упрощенное понимание тематического информационного потока как некоторой зависимой от времени величины, поведение которой описывается в аналитическом виде нелинейными уравнениями. Сегодня при моделировании информационных потоков используются преимущественно аналитические нелинейные модели, применяются методы нелинейной динамики, теории клеточных автоматов, перколяции, самоорганизованной критичности [Ландэ, 2009], [Додонов, 2011].

Для анализа динамики реальных тематических информационных потоков (ТИП), и, соответственно, оценки их моделей необходимо каким-то образом получить соответствующую статистику, представленную в виде временных рядов.

Динамику реальных тематических информационных потоков (ТИП), например, отображает мультиагентная модель, в рамках которой отдельные документы ТИП ассоциируются с агентами, жизненный цикл которых – с жизненным циклом документов в информационном пространстве. Соответственно, все пространство мультиагентной модели ассоциируется с тематическим информационным потоком.

Предполагается, что в течение дискретных моментов времени происходит эволюция популяции агентов. При этом отдельные агенты могут:

1) «самозарождаться» (рождаться по причинам, возникающим вне рассматриваемого мультиагентного пространства);

2) «порождать» новых агентов;

3) «умирать» – исчезать из пространства агентов (соответствует утере актуальности документов);

4) получать ссылки от других агентов.

Каждый агент обладает «потенциалом», зависящим от его возраста (времени жизни на текущий момент – t ), от авторитетности (ссылок, проставленных на него – ns ) и плодовитости (количества порожденных непосредственно им агентов – k ). Потенциал агента Pot определяется формулой:

На рис. 57 приведен пример возможной динамики мультиагентой системы: процессы рождения новых агентов от существующих обозначены сплошными стрелками, процессы проставления ссылок на агентов представлены пунктирными стрелками, живые агенты – черными кругами, «мертвые» агенты к моменту t = 5 – незаполненными окружностями.

Рис. 57 – Фрагмент мультиагентного пространства Итак, управляющие параметры модели следующие:

– вероятность «самозарождения» P ;

– вероятность «рождения» от существующего:

– вероятность «смерти» агента: P3 / Pot ;

– вероятность ссылки на агента: P4 Pot.

Варьирование этими четырьмя параметрами P, P2, P3 и P позволили смоделировать типовые профили поведения ТИП.

На рис. 58 представлены результаты численного моделирования количества агентов (ось ординат на графике) в рассматриваемой мультиагентной системе в зависимости от количества тактов модели (ось абсцисс).

Конкурентная разведка в компьютерных сетях Рассматриваемая модель эволюции пространства агентов при различных значениях управляющих параметров согласуется с динамикой реальных тематических информационных потоков, определенных с помощью системы InfoStream.

Рис. 58 – Динамика изменения количества агентов в модели Наряду с исследованием огибающих динамики ТИП большой практический интерес представляет неравномерность, изрезанность соответствующих графиков, которая может свидетельствовать об отклонениях от естественной природы, информационных операциях, манипулировании [Горбулін, 2009]. В частности, для отображения неравномерностей во временном ряду использовался метод SCA (Smoothing, Cellular Automata) [Ландэ, 2013], основанный на учете аномальных значений и концепции одномерных клеточных автоматов. С помощью этого метода не детектируются абсолютные амплитудные всплески, однако он хорошо показал себя на «изрезанных» структурах данных, близких к фрактальным.

К таким данным относятся, в частности, временные ряды, связанные с объемами публикаций в веб-пространстве по определенным тематикам, которые рассматриваются ниже как иллюстрация метода.

В предлагаемой модели каждому значению исходного ряда измерений x0 (t ) (обозначим исходный ряд, как X 0 = { x0 (t )} ) соответствует одна клетка клеточного автомата. По ряду измерений строится сглаженный по приведенному ниже правилу ряд X 1 = { x1 (t )}. Затем ряду X 1 ставится в соответствие ряд X 2 (получаемый из X 1 по тому же алгоритму сглаживания) и т.д. Правило сглаживания пиков заключается в том, что значения, которые принимают элементы рядов измерений xk (t ) X k ( k – шаг сглаживания, t – номер элемента ряда измерений) составляют:

Цвет клетки с номером t одномерной клеточной структуры, соответствующей X k, белый, если xk (t ) совпадает с xk -1 (t ), в противном случае – черный. Таким образом, каждой клетке соответствует значение xk (t ) и значение ее цвета. (Необходимо отметить, что такую систему нельзя считать каноническим клеточным автоматом, так как в общем случае клеткам может соответствовать бесконечное множество значений xk (t ) и два значения цвета).

Рассмотрим результаты выполнения данного алгоритма для простейших структур, которые, как показывает практика, охватывает все возможные варианты визуализации.

Очевидно, если значения ряда измерений в рассматриваемой зоне представляют собой вогнутое (выпуклое вниз множество), то сразу же, на первой итерации получим "t : x1 (t ) = x0 (t ) и выполнение алгоритма прерывается.

Если область значений представляют собой выпуклое вверх множество, то визуальное представление клеточных автоматов принимает вид сплошной черной полосы (рис. 59: вертикальная ось – номер шага итерации, а горизонтальная ось – номер элемента ряда измерений).

Единичные всплески значений в исходном ряде измерений (рис. 60,а) и области изрезанности (рис. 60,б) могут вызывать появление структур типа «шахматной доски».

Кроме того, диаграммы, формируемые в результате визуализации в соответствии с предложенным алгоритмом, позволяют выявлять периодические составляющие.

Предложенный метод SCA является относительно простым в программной реализации и линейным по сложности, так как базируется на алгоритме сглаживания пиков и концепции клеточных Конкурентная разведка в компьютерных сетях автоматов. Он позволяет визуально выявлять единичные и нерегулярные «всплески», резкие колебания, скачки значений, зоны нестабильности количественных показателей в разные периоды времени. Метод SCA испытывался при анализе временных рядов, связанных с объемами публикаций в веб-пространстве по определенным темам.

Рис. 60 – Появление структур типа «шахматной доски»

На диаграммах, формируемых в соответствии с SCA, выпуклое вверх множество принимает вид сплошной черной полосы, выпуклое вниз множество – белой полосы, а области изрезанности, нестабильности могут вызывать появление «клетчатых» структур.

Отображение реального временного ряда измерений, соответствующего посуточным объемам публикаций в веб-пространстве по некоторой заданной теме (точки ряда – объемы публикаций за сутки) с помощью метода SCA представлено на рис. 61. Здесь четко отслеживаются недельные периодичности ТИП (минимумы – праздники, субботы и воскресенья), а также области неравномерности, резких колебаний объемов публикаций, свойственных ТИП в пред- и посткризисные периоды.

Рис. 61 – Отображение реальной динамики публикаций На рис. 62 представлена SCA-визуализация динамики количества агентов (документов) – результатов мультиагентного моделирования.

Следует отметить, что предлагаемая модель:

1) не учитывает конкуренции агентов внутри пространства агентов (предполагается только сотрудничество путем проставления ссылок и порождения новых агентов);

2) конкуренция разных тематических информационных потоков учитывается лишь неявно, как причина, обуславливающая параметры функционирования рассматриваемой мультиагентной системы.

В предложенной модели учитывается общеизвестная практика проведения информационных кампаний в социальных сетях, заключающаяся в регистрации большого числа аккаунтов-роботов (роя), от имени которых проставляются ссылки (лайки) на матеКонкурентная разведка в компьютерных сетях риалы, публикуемые от имени аккаунтов из того же роя и на целевые документы.

Рис. 62 – Отображение результатов мультиагентного Естественно, на практике ориентация лишь на единственный тип источников и математических моделей может привести к дефициту информации, необходимой для принятия решений, неточностям, а порой — к дезинформированности. Лишь применение комплексных систем, базирующихся на использовании многочисленных источников, баз данных, математических моделей, наряду с приведенными выше возможностями систем контент-мониторинга может гарантировать эффективную информационную поддержку при противодействии информационным операциям.

7.5. Противодействие информационным операциям Рассмотренные практические примеры позволили выработать некоторую общую методику проведения оборонительной информационной операции с использованием системы контентмониторинга веб-ресурсов. Допустим, объектом агрессивной информационной операции является компания «АБВ». Предлагается такие 12 шагов противодействия:

1) сбор информации с публикациями в «чужих» (не имеющих отношения к «АБВ», неаффилированных) СМИ о компании;

2) построение графика – динамики появления сообщений о компании «АБВ» в сетевых СМИ;

3) анализ динамики с ретроспективой в 6–12 месяцев с помощью методов анализа временных рядов. После этого анализируется контент публикаций в пороговых точках, определяются моменты, длительность, периодичность воздействия, привязка моментов воздействия к другим событиям из области интереса объекта;

4) определение источников, публикующих наибольшее количество негатива (публикаций с отрицательной тональностью) о компании «АБВ»;

5) определение «первоисточников» публикаций в СМИ – тех источников, которые первыми опубликовали негативную информацию;

6) определение вероятных «заказчиков» – владельцев или лиц, влияющих на издательскую политику отдельных СМИ;

7) определение сфер общих интересов компании «АБВ» и потенциальных «заказчиков» (путем выявления общих информационных характеристик – пересечений «информационных портретов» системы InfoStream, строящихся для объекта и «заказчика»), ранжирование потенциальных «заказчиков» по их интересам;

8) определение критериев информационных воздействий на основе самых рейтинговых интересов;

9) моделирование информационных воздействий, для чего находятся связи «заказчика» – наиболее связанные с ним персоны и организации, анализируется динамика воздействия со стороны заказчика и строится прогноз этой динамики, анализируется контент публикаций в пороговых точках кривой динамики – определяются критичные точки воздействия.;

10) прогнозируются дальнейшие шаги воздействия путем анализа аналогичной динамики публикаций для других компаний в ретроспективной базе данных системы InfoStream;

11) с учетом реалий и публикаций из ретроспективной базы данных оцениваются вероятные последствия;

12) организуется информационное (и не только) противодействие. Примеры публикаций в контексте противодействия находятся в ретроспективной базе данных.

в антимонопольной деятельности Антимонопольная деятельность, создание в государстве конкурентной среды, предполагают борьбу с проявлениями монополизКонкурентная разведка в компьютерных сетях ма на рынках товаров и услуг, в том числе, отражение соответствующих информационных операций, проводимых монополистами, проведение наступательных информационных операций.

Для осуществления антимонопольной деятельности со стороны государства, создания конкурентной среды необходимо использовать все доступные и легальные информационные и программные средства. Однако сегодня наблюдается реальный дефицит оперативной рыночной информации, определяемый как слабыми коммуникациями между отдельными органами власти, так и неполнотой, неточностью соответствующих официальных баз данных. С другой стороны, существует огромный информационный ресурс – веб-пространство.

Очевидно, что несмотря на такие преимущества, как оперативность и широкий охват информации, этот ресурс не может быть доказательным источником, однако, его нельзя отвергать в некоторых важных приложениях. Оперативность, свойственная веб-среде, в частности, имеет решающее значение при реализации концепции управления OODA, также известного как цикл Бойда. В переводе аббревиатура OODA означает «Наблюдение – Ориентация – Решение – Действие» [Ивлев, 2008]. Концепция OODA находит во всем мире широкое применение в управлении информационным противоборством, предотвращении информационным операциям. Очевидно, и в антимонопольной деятельности эта концепция может и должна найти применение путем реализации центров быстрого реагирования на монопольные проявления.

Общеизвестно, что антимонопольная деятельность – это комплекс мероприятий, направленных на ограничение деятельности монополий в рамках всего государства, а также создание соответствующего законодательства, в то время, как конкурентная разведка направлена на повышение конкурентоспособности лишь отдельных субъектов хозяйствования. Согласно этому частные задачи конкурентной разведки могут быть обобщены до уровня антимонопольной деятельности на уровне государства следующим образом:

1) сбор информации и своевременное информационное обеспечение соответствующих государственных органов;

2) выявление факторов риска, угроз конкурентной среды государства;

3) выявление факторов, влияющих на получение отдельными компаниями монопольных преимуществ;

4) выработка прогнозов и рекомендаций, влияющих на развитие конкурентной среды;

5) усиление благоприятных и локализация неблагоприятных факторов для развития конкурентной среды.

С помощью методов конкурентной разведки, которая становится современным направлением исследования поведения конкурентов на рынке, создаются альтернативные модели рынка для определения характеристик его участников и оптимизации тактики и стратегии развития субъектов хозяйствования на определенных рынках. Достижение таких целей требует использования эффективных приемов работы с информацией и ее элементами. Информация в этом смысле становится объектом в процессе исследования рынка и создания его модели.

Все приведенные задачи реализуются в рамках замкнутой схемы взаимодействия рыночной среды и виртуального информационного пространства.

Как известно, рыночная реальность находит свое отражение в виртуальном информационном пространстве, именно с ним работают эксперты-аналитики, которые готовят информацию, прогнозы для ЛПР, которые, в свою очередь, обеспечивают целенаправленное воздействие на рыночную среду.

По-видимому, все указанные функциональные компоненты конкурентной разведки могут использоваться и для общих задач, стоящих перед антимонопольными органами государства.

Возможности использования средств конкурентной разведки, в частности, средств контент-мониторинга, в антимонопольной деятельности проиллюстрируем на примере гречневого ценового коллапса в начале 2010 г. в Украине. Антимонопольный комитет Украины только в октябре 2011 г. (через полтора года!) обнаружил и наказал участников сговора на рынке гречки (рис. 63), тогда как сотни пользователей системы контент-мониторинга InfoStream могли видеть фигурантов дела уже в феврале 2010 г. в «информационном портрете» этой системы (рис. 64).

Безусловно, система поддержки антимонопольной деятельности, как и системы конкурентной разведки, использующие Интернет как один из информационных ресурсов, должна настраиваться под специфику конкретных рынков. Она должна включать соответствующую классификацию, гибкие механизмы поиска, оперативной доставки данных, а также качественной оценки информации.

Одной из важнейших задач анализа информации при этом является определение ее достоверности, т.е. решение задачи анализа и фильтрации шума и ложной информации. После анализа достоверности информации должны следовать оценки ее точности и важности. Главным критерием достоверности данных на практике Конкурентная разведка в компьютерных сетях является подтверждение информации другими источниками, заслуживающими доверия.

Рис. 63 - Виновники кризиса найдены (октябрь 2011 г.) Рис. 64- Отражение «гречневого кризиса» 2010 г.

Условия исследования состояния рынка с помощью электронных средств, в частности, при проведении антимонопольной деяИнформационные операции тельности должны соответствовать современным условиям конкурентной разведки:

Во-первых, должны применяться методы и программные средства исследования информации полученной из открытых источников с соблюдением требований законодательства и этических норм.

Во-вторых, успех или неудача в решении практической задачи моделирования состояния рынка зависят от упрощения интегрированной информации, которую необходимо обработать.

В-третьих, достижение успеха при исследовании рынков связано с проблемой преодоления сложности доступа к информационным ресурсам из открытых источников, в том числе из сети Интернет.

Методология выявления антиконкурентных действий участников рынка по результатам анализа модели состояния рынка должна соответствовать возможностям имеющихся компьютерных средств и методов конкурентной разведки.

Например, данные, информацию и знания, получаемые в результате антимонопольных исследований, должны представляться в виде, соответствующем по структуре и форме разведывательной информации.

Современные средства, применяемые в конкурентной разведке в сетевой среде, обеспечивают:

– доступность необходимой части информации;

– огромный охват информации;

– оперативность, учет динамики информационных потоков.

В то же время, эти средства не могут заменить все инструменты, необходимые для антимонопольной деятельности. Для принятия решений в этой области требуется использование комплексных систем, которые позволяют добывать и обобщать информацию об объектах исследований из разных источников.

Таким образом, можно сделать вывод о том, что конкурентная разведка дополняет технологию поиска данных и информации в интернет-пространстве и целевое экстрагирование полезных понятий о состоянии и развитии товарного рынка с методами сбора, хранения, обработки и анализа данных, создает пространство интегрированной информации для анализа и формирования конкурентной политики.

Цели и средства антимонопольной деятельности обусловливают практические требования к созданию новых механизмов и технологий и требуют объединения различных по природе инструментов конкурентной разведки в соответствии с различными алгоритмами исследования.

Актуальность конкурентной разведки в последнее время значительно возросла. Это связанно с такими процессами, как глобализация экономики, а, следовательно, и конкуренции, виртуализация экономики, развитие информационных технологий.

Широкому внедрению систем компьютерной конкурентной разведки способствуют и законодательные акты многих стран мира. Так, например, в США ещё в 1996 году был принят Закон о свободе информации, который обязал федеральные ведомства обеспечить гражданам свободный доступ ко всей своей информации. Ограничения касаются лишь материалов, имеющих отношение к национальной обороне, личных и финансовых документов, а также документов правоохранительных органов. Отказ в доступе к информации можно обжаловать в суде. Информация должна быть представлена в десятидневный срок, а споры разрешаться в течение 20 дней.

Во всем мире уже свыше 20 лет считают, что конкурентная разведка – это важнейшая функция современного менеджмента и главное условие динамичного и устойчивого развития бизнеса.

Вместе с тем, как утверждает, гендиректор компании «Р-Техно»

Роман Ромачев, «Если 10 лет назад конкурентные разведчики в первую очередь проверяли наличие у бизнес-партнеров криминальных связей, то сейчас они, как и на Западе, в большей степени добывают коммерческую информацию». Это подтверждают и данные исследования, проведенного Международным Центром конференций (МЦК) OnConference: большинство компаний используют конкурентную разведку для изучения состояния рынка (74 % респондентов) и конкурентов (64 %). Поиск, сбор и анализ информации помогает сформировать целостную картину конкурентной среды, установить причинно-следственные связи.

В настоящее время конкурентная разведка в сети Интернет обеспечивает доступность, огромный охват информации и высокую оперативность. Но она не может заменить другие виды и инструментальные средства бизнес-разведки. Для принятия серьезных решений необходимо использование комплексных систем, которые разрешают компоновать и обобщать информацию об объекте исследований, полученную из разных источников с применением разных технологий.

Об актуальности конкурентной разведки на основе интернетресурсов говорят многочисленные публикации, тренинги, конфеИнформационные операции ренции. Сегодня задачи конкурентной разведки стимулируют развитие систем управления знаниями, глубинного анализа данных и текстов, с другой стороны наиболее развитые из этих систем в явном виде содержат аналитические блоки, специально ориентированные на задачи конкурентной разведки. Поэтому у пользователей имеется широкий выбор средств автоматизации аналитической деятельности. Причем уровни функциональности таких систем, может быть очень разнообразным – от простых информационнопоисковых программ, необходимых на этапе становления систем конкурентной разведки, до дорогих и ресурсоемких систем управления знаниями и глубинного анализа данных и текстов.

В настоящее время уже очевидно, что реальный прорыв в области интенсификации информационно-аналитической работы, как и в науке, возможен лишь в результате агрегирования различных направлений.

Автоматическое реферирование [Automatic text summarization] – автоматическое формирование краткого изложения исходного текстового материала либо путем выделения фрагментов информационного наполнения и последующего их соединения, либо методом генерации текста на основании выявления знаний из оригинала.

Авторское право [Copyright] – совокупность правовых норм, регулирующих отношения, возникающие в связи с созданием, использованием (изданием, исполнением, показом и т. д.) произведений науки, литературы или искусства – результатов творческой деятельности людей. Программы для компьютеров и базы данных также охраняются авторским правом.

Анализ социальных сетей [Social Networks Analysis, SNA] – методология анализа социальных сетей. Предметом анализа в SNA, в отличие от большинства традиционных социологических исследований, являются не атрибуты отдельных личностей, а структура их взаимосвязей в рамках того или иного сообщества (рабочей группы). В рамках анализа социальных сетей рассматриваются социальные отношения с точки зрения теории сетей, состоящих из узлов – личностей, участников сети и связей – отношений между ними.

Антимонопольная деятельность [Antitrust Activities] – комплекс мер, направленных на ограничение деятельности монополий, а также создание соответствующего законодательства.

База данных [Database] – совокупность данных, организованных по определенным правилам, предусматривающим общие принципы описания, хранения и манипулирования, независимая от прикладных программ. Является информационной моделью предметной области.

База данных аналитическая [Analytical Database] – база данных, которая содержит информацию, получаемую из других баз данных в форме итоговой информации, представляет наибольший интерес для пользователя или группы пользователей.

База данных полнотекстовая [Full-Text Database] – база данных, в которой хранятся записи полнотекстовых документов или их частей.

База данных фактографическая [Factographic Database] – база данных, содержащая фактографические данные – информацию, относящуюся непосредственно к предметной области.

Бенчмаркинг [Benchmarking] - инструмент анализа конкурента. Процесс определения, понимания и адаптации имеющихся примеров эффективного функционирования компании с целью получения информации, которая помогла бы предпринять шаги, направленные на улучшение деятельности компании. В равной степени включает в себя два процесса: оценивание и сопоставление. Одно из направлений стратегически ориентированных маркетинговых исследований.

Бизнес-процесс [Business Process] – система последовательных, целенаправленных и регламентированных видов деятельности, в которой посредством управляющего воздействия и при поддержке определенных ресурсов входы процесса преобразуются в выходы, представляющие ценность для потребителей.

Бизнес-разведка [Business Intelligence, BI] – 1) сбор и обработка данных из разных источников для выработки управленческих решений в целях повышения конкурентоспособности коммерческой организации; 2) структурное подразделение предприятия, выполняющее эти функции.

Блог [Blog, Web Log] – сетевой дневник одного или нескольких авторов, состоящий из записей в обратном хронологическом порядке. С помощью сервиса блогов можно создать свой онлайндневник, читать и комментировать дневники других пользователей, принимать участие в сообществах по определенным тематикам, создавать свои сообщества.

Блогосфера [Blogosphere] – совокупность (коллекция) всех блогов в сети Интернет; общее название для совокупности блогов.

Большие данные [Big Data] – серия подходов, инструментов и методов обработки данных больших объемов и значительного многообразия для получения человеко-читаемых результатов, эффективных в условиях их непрерывного прироста, распределения по многочисленным узлам вычислительной сети. В качестве определяющих характеристик для больших данных отмечают «три V»:

объем, в смысле величины физического объема, скорость в смыслах как скорости прироста, так и необходимости высокоскоростной обработки и получения результатов, многообразие, в смысле возможности одновременной обработки различных типов структурированных и полуструктурированных данных.

Веб-аналитика [Web Analytic] – измерение, сбор, анализ, представление и интерпретация информации о посетителях веб– сайтов в целях их улучшения и оптимизации. Основная задача веб-аналитики – мониторинг работы веб-сайтов, на основании которого определяется веб-аудитория и изучается поведение вебКонкурентная разведка в компьютерных сетях посетителей для принятия решений по развитию и расширению функциональных возможностей веб-ресурса.

Веб-пространство [Web Space] - cовокупность сайтов в Интернете (гипертекстовое пространство Интернета, www-пространство).

Веб-сайт [Website] – набор веб-страниц, составляющих единое целое (посвященных одной тематике либо принадлежащих одному и тому же автору), как правило, размещенных на одном и том же сервере, имеющих одно и то же доменное имя и связанных между собой перекрестными ссылками. Для прямого доступа клиентов к веб-сайтам на серверах разработан протокол HTTP.

Веб-форум [Web-Forum] – класс веб-приложений для организации общения посетителей, веб-сайт, предназначенный для проведения онлайн-дискуссий.

Виртуальная служба знакомств [Online Dating Service] – интернет-сервис, предоставляющий пользователям Интернета услуги по виртуальному общению с другими пользователями, аналог реальных cлужб знакомств.

Визуализация [Visualization] – комплекс методов представления результатов анализа данных в наиболее удобной для восприятия и интерпретации форме. Может использоваться для мониторинга процесса построения и работы различных аналитических моделей, проверки гипотез и других целей, связанных с проведением анализа.

Входная степень узла [In-Degree] – количество ребер графа, которые входят в узел.

Выходная степень узла [Out-Degree] – количество ребер графа, которые выходят из узла.

Геосоциальная сеть [Geosocial Networking] – вид социальных сетей, в которых используются геокодирование. Пользователи оставляют данные о своем местонахождении, что позволяет объединять и координировать их действия на основании того, какие люди присутствуют в тех или иных местах, или какие события происходят в этих местах.

Глубинный анализ данных [Data Mining] – технология анализа данных в базах или хранилищах данных, основанная на статистических методах и служащая для выявления заранее неизвестных закономерностей, а также для поддержки принятия стратегически важных решений.

Глубинный анализ текстов [Text Mining] – технология извлечения информации из текстовых данных на основе обнаружения в них закономерностей. Как правило, включает этапы струкКраткий глоссарий турирования исходного текста (обычно путем синтаксического анализа, добавления одних лингвистических структур и удаления других с последующей вставкой результатов в базу данных), поиска закономерностей в данных, оценивания и интерпретации результатов.

Глубинный веб [Invisible Web, Deep Web, Hidden Web] –часть веб-пространства, не индексируемую роботами поисковых систем.

Информация, будучи недоступной для поиска, находится «в глубине» (англ. – Deep). Состоит из веб-страниц, динамически генерируемых по запросам к онлайн базам данных.

Граф связей [Communication Graph] – в социальных сетях – граф, предназначенный для идентификации связей между их участниками. С помощью графа можно визуализировать эти связи.

Граф связей строится благодаря обмену контентами между людьми.

Дайджест [Digest] – информационный продукт (издание, статья, подборка), содержащий краткие аннотации и основные положения статей или в котором сжато передается содержание самых интересных публикаций за определенный период.

Дескриптор [(от лат. Descriptio – описание); Descriptor] – лексическая единица (слово, словосочетание, код) информационнопоискового языка, служащая для выражения основного смыслового содержания документов (текста). Используется для координатного индексирования документов и информационных запросов с целью последующего поиска.

Диаметр графа [Graph Diameter] – максимальное из расстояний между парами его вершин. Расстояние между вершинами определяется как наименьшее число ребер, которые необходимо пройти, чтобы добраться из одной вершины в другую.

Живучесть системы [System Survivability] – способность системы выполнять установленный минимальный объем своих функций при внешних воздействиях, не предусмотренных условиями нормальной эксплуатации, осуществлять выбор оптимального режима функционирования за счет собственных внутренних ресурсов, перестройки структуры, изменения функций отдельных подсистем и их поведения.

Извлечение знаний [Knowledge Extraction] – процесс получения из данных знаний в виде зависимостей, правил, моделей.

Этапы: консолидация, очистка, трансформация, моделирование и интерпретация полученных результатов.

Извлечение (экстрагирование) информации [Information Extraction] – разновидность информационного поиска, при Конкурентная разведка в компьютерных сетях которой из электронных документов выделяется некая структурированная информация, т.е. катюгоризированные, семантически значимые данные по какой-либо проблеме или вопросу.

Извлечение фактов, понятий (Feature Extraction) – технология, обеспечивающая получение информации в структурированном виде. Включает три основных метода: Entity Extraction – извлечение слов или словосочетаний, важных для описания содержания текста; Feature Association Extraction – выявление связей между извлеченными понятиями; Event and Fact Extraction – извлечение сущностей, распознавание фактов и событий.

Имидж компании [Corporate Image] – устойчивые представление, которое компания создает о себе с помощью рекламы, формируя благоприятное представление у целевой аудитории. Это устойчивое представление потребителей, клиентов, партнеров и общественности о престиже компании, качестве её товаров и услуг, репутации руководителей.

Имитационное моделирование (Simulation Modeling) – метод исследования, при котором исследуемая система замещается моделью, с достаточной точностью описывающей реальную систему. Эту модель используют для экспериментов с целью получить информацию о реальной системе. Имитационное моделирование – частный случай математического моделирования. Существует класс объектов, для которых по разным причинам не разработаны аналитические модели или методы решения относительно полученной модели. В этом случае математическая модель замещается имитатором или имитационной моделью – логико-математическим описанием объекта.

Интернет [Internet] – глобальная информационная сеть, части которой логически связаны единым адресным пространством, основанным на стеке протоколов TCP/IP, их последующих расширений или других IP-совместимых протоколов. Обеспечивает, использует или делает доступным, публично или частным образом, коммуникационный сервис высокого уровня. Состоит из множества взаимосвязанных компьютерных сетей.

Интернет-разведка [Internet Intelligence] – сегмент конкурентной разведки, охватывающий процедуры сбора и обработки информации, проводимые с целью поддержки принятия управленческих решений, повышения конкурентоспособности коммерческих организаций исключительно из открытых источников из компьютерных сетей, большинство из которых являются надстроенными над сетью Интернет.

Интернет-чистильщики [Internet-Cleaners] – специалисты или службы, которые могут удалить из информационных ресурсов сети Интернет данные (как правило, негативную информацию о заказчике).

Информационная безопасность [Information Security] – состояние информации, информационных ресурсов и информационных систем, при котором с требуемой вероятностью обеспечивается защита информации (данных) от утечки, хищения, утраты, несанкционированного уничтожения, искажения, модификации (подделки), копирования, блокирования и т.п. Имеет три основные составляющие: конфиденциальность, целостность и доступность.

Информационно-аналитическая деятельность [Informational-Analytical Activity] – отрасль человеческой деятельности, призванная обеспечить информационные потребности общества с помощью аналитических и информационных технологий за счет обработки входной информации и получения качественно нового знания.

Информационно-аналитическая система, ИАС [Information-Analytical System, IAS] – класс информационных систем, предназначенных для аналитической обработки данных, а не для автоматизации повседневной деятельности организации. Объединяет, анализирует и хранит информацию, извлекаемую как из баз данных организации, так и из внешних источников. Входящие в состав ИАС хранилища данных обеспечивают преобразование больших объемов детализированных данных в обобщенную информацию, пригодную для принятия решений.

Информационно-поисковая система, ИПС [information retrieval system, IRS] – система, предназначенная для обеспечения поиска и отображения документов, представленных в базах данных. Ядро ИПС составляет поисковый механизм – программный модуль, который осуществляет поиск по запросу. ИПС, интегрированные с веб-технологиями, являются основой построения информационно-поисковых веб-серверов.

Информационное воздействие [Informational Influence] – возбуждение (торможение) в управляемой системе таких процессов, которые стимулируют желательный для управляющей стороны выбор. Этот способ воздействия на субъекта не предполагает, например, прямого выведения из строя части элементов его системы, но представляет собой передачу ему такой информации, которая натолкнет его на выбор определенного решения, при котором эти элементы потеряют свою эффективность.

Конкурентная разведка в компьютерных сетях Информационные операции [Information Operations] – информационное воздействие на массовое сознание (как на враждебное, так и на дружеское), воздействие на информацию, доступную конкуренту и необходимую ему для принятия решений, а также на информационно-аналитические системы (ИАС) конкурента, в том числе действия, направленные на физическое поражение ИАС, вывод из строя средств компьютерно-телекоммуникационной инфраструктуры.

Информационные ресурсы [Information Resources] – отдельные документы и отдельные массивы документов, документы и массивы документов в информационных системах, зафиксированные на соответствующих носителях информации, а также языковые средства, применяемые для описания конкретной предметной области и для доступа к данным и знаниям.

Информационные объекты, ИО [Informational Objects] – объекты, содержащие (несущие) информацию. Могут описываться непосредственно или в виде алгоритма их порождения.

Информационный портрет [Informational Portrait] – документ, который характеризует в компактной форме основное содержание текста - описанные в нем предметы, лица, ситуации и т.п.

Капча [Captcha] – нечеткое графическое изображение букв и цифр, которые требуется ввести с клавиатуры в определенное поле.

Классификация [Classification] – система распределения объектов по классам в соответствии с определенным признаком (основание классификации). Объекты необходимо классифицировать для выявления общих свойств информационногого объекта, который определяется информационными параметрами (реквизиты).

При классификации нужно соблюдать требования: полнота охвата;

однозначность реквизитов; возможность включения новых объектов.

Кластерный анализ [Cluster Analysis] – многомерная статистическая процедура, выполняющая сбор данных, содержащих информацию о выборке объектов и затем упорядочивающая объекты в сравнительно однородные группы (кластеры).

Клики [Cliques] – подгруппы или кластеры, в которых узлы связаны между собой сильнее, чем с членами других клик.

Коммерческая тайна [Trade Secret] –сведения конфиденциального характера из любой сферы деятельности государственного или частного предприятия, разглашение которых может нанести материальный или моральный ущерб ее владельцам или пользователям (юридическим лицам).

Конкурентная разведка [Competitive Intelligence] – спланированные действия по систематическому сбору и анализу информации, проводимые с целью поддержки принятия управленческих решений, повышения конкурентоспособности коммерческих организаций.

Конкурентная среда [Competitive Environment] – результат и условия взаимодействия большого количества субъектов рынка.

Образуется не только и не столько собственно субъектами рынка, взаимодействие которых вызывает соперничество, но в первую очередь – отношениями между ними.

Консалтинг [Consulting] – деятельность специализированных маркетинговых компаний, консультирующих производителей, продавцов, покупателей по вопросам в сфере экономики, управления, сбыта, ценообразования, продвижения продукции и др.

Консалтинговая компания (фирма) [Consulting Company (Firm)] – компания (фирма), выполняющая консультационные услуги по исследованию и прогнозированию рынков, разработке маркетинговых программ, поиску путей выхода из кризисных ситуаций; и др.

Консолидированная информация [Consolidated Information] – полученные из нескольких источников и интегрированные разнотипные информационные ресурсы (знания), которые в совокупности обладают признаками полноты, целостности, непротиворечивости и составляют адекватную информационную модель проблемной области с целью ее анализа обработки и использования в процессах поддержки принятия решений.

Контент [Content] – содержательное наполнение информационных ресурсов (напр., веб-сайтов) – тексты, графика, мультимедиа. Параметрами контента является его объем, актуальность и релевантность.

Контент-анализ [Content Analysis] – анализ содержания документов, который нацелен на измерение ряда качественных и количественных характеристик текста и на анализ зависимостей между ними.

Контент-мониторинг [Content Monitoring] – систематическое, непрерывное во времени сканирование и контент-анализ информационных ресурсов.

Конфиденциальная информация [Sensitive Information] – информация, которая представляет собой коммерческую или личную тайны и охраняется ее владельцем.

Конфиденциальность [Confidentiality] – свойство защищенности информации от несанкционированного доступа и попыток ее Конкурентная разведка в компьютерных сетях раскрытия пользователями, не имеющими соответствующих полномочий.

Коэффициент кластеризации [Clustering Coefficient] – величина, соответствующая уровню связности узлов в сети. Показывает, сколько ближайших соседей данного узла являются ближайшими соседями друг для друга, и равна отношению реального количества ребер, которые соединяют ближайших соседей данного узла, к максимально возможному.

Коэффициент посредничества [Betweenness] – параметр, показывающий, сколько кратчайших путей проходит через узел.

Указывает на роль данного узла в установлении связей в сети.

Коэффициент центральности [Centrality] – параметр, который показывает «важность» или «влияние» определенного узла (кластера узлов) внутри графа (сети). Стандартные методы измерения «центральности» охватывают расчет центральность по посредничеству, центральность по близости, центральность собственного вектора, центральность по степени и др.

Лицо, принимающее решение, ЛПР [Decision Maker] – субъект (менеджер), наделённый определенными полномочиями и несущий ответственность за последствия принятого и реализованного управленческого решения. ЛПР – один или несколько человек (коллектив), на которых лежит ответственность за принятое решение.

Малый мир [Small Worlds] – один из видов графов, в котором большинство узлов не являются попарно соседними, но могут связываться друг с другом благодаря небольшому количеству переходов по ребрам графа. Граф (сеть) считается малым миром, если расстояние между двумя любыми случайно выбранными узлами в большинстве случаев не превышает двоичного логарифма от общего количества узлов.

Математическое моделирование [Mathematical Modeling] – процесс построения и изучения математических моделей – математических представлений о реальности.

Медиаактивность [Media Activity] – деятельность индивида по поиску, получению, потреблению, передаче, производству, распространению информации.