Подписка
МЕНЮ
Подписка

Гибридная война и искусственный интеллект

Владимир Балановский, Владимир Подъяконов, Антон Прокопчук, Кирилл Яманов, Леонид Балановский, 23/08/21

Превращение гибридной войны (ГВ) в новый вид межгосударственного противостояния выдвигает в число первоочередных проблему создания средств подготовки и принятия решений на базе искусственного интеллекта (ИИ), позволяющих обеспечить военное, экономическое, информационное и технологическое превосходство.

Системный подход дает возможность изучать и прогнозировать развитие ГВ как нелинейного объекта, функционирующего в условиях высокой неопределенности. Адекватное представление о сложных, постоянно изменяющихся феноменах ГВ и технологии, основанные на моделировании и применении ИИ, позволяют вырабатывать эффективные стратегии противодействия ГВ и учитывать их в системе обеспечения безопасности РФ.

 

В настоящее время наша страна с точки зрения оценки уровня обеспечения безопасности переходит от "автоматизированных штабов", автоматизирующих операции по принятию решений в условиях ГВ, к "коллективному интеллекту", основанному на коллективном принятии решений специалистами. Эта работа базируется на положениях Национальной стратегии развития искусственного интеллекта на период до 2030 года, утвержденной Указом Президента РФ № 490 от 10 октября 2019 г.

Обзоры оборудования для безопасности объектов >>

Новые возможности ИИ

Искусственный интеллект рассматривается как комплекс технологических решений, имитирующий самообучение специалиста и поиск решений без заданного алгоритма, что позволяет при выполнении конкретных задач получать результаты, сопоставимые с результатами деятельности группы специалистов. Комплекс технологических решений включает в себя информационно-коммуникационную инфраструктуру, программное обеспечение с использованием методов машинного обучения, процессы и сервисы для обработки данных и поиска решений. Использование методов ИИ позволяет объединить усилия специалистов в области безопасности и науки. Со стороны безопасников это имитационное моделирование и нелинейная оптимизация, со стороны ученых – искусственные нейросети и базы знаний. Каждый в своей области проводит анализ, прогноз, распознавание, классификацию, планирование, выработку решений, выработку языка, идентификацию моделей.

Использование процесса обучения на электронном полигоне с применением цифрового двойника и интеллектуального агента позволяет значительно снизить затраты и "проигрывать" не только проектные, но и, в отличие от реальных условий, запроектные и гипотетические сценарии актов незаконного вмешательства (АНВ). Это дает возможность отрабатывать с использованием базы знаний решения на основании данных об обстановке и модели противодействия АНВ. Результатом при ситуационном управлении процессом обеспечения безопасности объекта в условиях высокой неопределенности, характерной для ГВ, является формирование системой подготовки принятия решений сценарного прогноза развития обстановки. Уменьшить неопределенность при прогнозировании, оценке ресурсов, разработке стратегии позволяют современные средства поддержки принятия решений. При этом совершенствуется информационная безопасность: повышается эргономичность, сокращается время реакции, из процесса обработки информации исключается слабое звено – человек, а его деятельность направляется в область принятия решений. Этапы подготовки принятия решений при управлении процессом обеспечения безопасности на основе ИИ представлены на рисунке.

01-Aug-23-2021-04-42-26-67-AMЭтапы подготовки принятия решений при управлении процессом обеспечения безопасности на основе ИИ

Это позволяет проводить анализ, вырабатывать прогноз и предложения для принятия решений с использованием информационного поиска и анализа данных, баз знаний на основе прецедентов, имитационного моделирования, эволюционных вычислений, генетических алгоритмов, нейронных сетей, ситуационного анализа, когнитивного моделирования.

Преимущества и возможности нейронной сети

Основным способом реализации технологий, применяемых при создании систем ИИ, является искусственная нейронная сеть, представляющая собой набор отдельных цифровых вычислительных элементов – нейронов, расположенных на нескольких последовательных слоях сети. Ее преимущество перед традиционными алгоритмами вычислений заключается в том, что она не программируется, а обучается.

В процессе обучения нейронная сеть выявляет сложные зависимости между входными и выходными данными, выполняет обобщение. Она с высокой вероятностью может получить корректный результат на основании данных, которые отсутствовали в обучающей выборке, неполных и/или "зашумленных", частично искаженных.

Многоагентные сети – эффективная технология для решения задач безопасности

Согласно прогнозу американской компании "Маркетс энд маркетс рисёрч", ежегодный рост до 2025 г. мирового рынка систем и средств ИИ составит порядка 14,75%. Создание ИИ, предназначенного решать различные задачи, взаимодействовать и адаптироваться к изменяющимся условиям ГВ, находится на пересечении научной, технической и социально-гуманитарной сфер знания. Решение задачи обеспечения безопасности сводится к созданию из взаимодействующих агентов многоагентных систем.

Каждый агент владеет частичным представлением о глобальной проблеме и решает часть общей задачи, поэтому необходимо создать множество агентов и организовать их эффективное взаимодействие, позволяющее построить многоагентную систему. В системах безопасности комплекс задач распределяется между агентами с присвоением каждому роли, исходя из его возможностей.

Безопасность мест с массовым пребыванием людей:  присоединяйтесь к проекту!

Для организации процесса распределения задач в многоагентных системах, работающих в условиях ГВ, создается система распределенного решения проблемы либо децентрализованный ИИ. В первом случае процесс декомпозиции задачи и обратный процесс композиции найденных решений происходит под управлением единого "центра". При этом многоагентная система проектируется сверху вниз, исходя из ролей агентов и результатов разбиения задачи на подзадачи. В случае децентрализованного ИИ распределение заданий происходит в процессе взаимодействия агентов и будет в большей степени спонтанным, что приведет к появлению резонансных, синергетических эффектов.

Перспективной является модель самообучающегося агента, использующего извлечение знаний и машинное обучение. Обучение агентов коллективному поведению – сложная проблема, так как комплексирование задач подразумевает совместное использование их знаний.

Процессу формирования базы знаний сценариев развития обстановки при ГВ в условиях высокой неопределенности предшествует оценка компетенций экспертов и формирование экспертной базы знаний. Это позволяет работать с противоречивыми знаниями о различных аспектах ГВ и с неполной информацией, учитывать компетенции экспертов и исследовать влияние конкретного эксперта на конечный вывод.

При формировании базы знаний сценариев развития обстановки при ГВ в условиях высокой неопределенности с использованием ИИ необходимо учитывать, что работы в области многоагентных систем требуют привлечение знаний и технологий из ряда областей, которые были вне поля зрения специалистов по ИИ. Это относится к параллельным вычислениям, технологии открытой распределенной обработки, обеспечения безопасности и мобильности агентов.

Новые возможности интеграции

Технология мультиагентных систем не является механическим объединением различных результатов в области ИИ. Интеграция, приводящая к новой парадигме многоагентных систем, создает ряд принципиально новых свойств и возможностей информационных технологий и представляет собой качественно более высокий уровень ее развития. Формирование предложений по обеспечению безопасности производится на основании анализа сценариев развития обстановки при ГВ в условиях высокой неопределенности, и поэтому для обеспечения безопасности объекта нужно рассматривать его в терминах ИИ как мультиагентную систему, для которой требуется разработать механизмы защиты от АНВ, проводящихся внешними и внутренними нарушителями. При этом необходимо исследовать класс "мягких" атак, использующих перехват сообщений, формирование и передачу дезинформации, осуществляющих действия, не имеющие признаков вторжения.

Теоретическая модель безопасности и анализ АНВ

Результатом работы является теоретическая модель безопасности, основанная на зональной модели безопасности и модели сил безопасности. Основная идея субъектно-объектной модели разграничения доступа состоит в том, что в объект как информационную систему вводится самостоятельная сущность "силы безопасности", на которую возлагаются функции проверки легитимности доступа и (или) целостности транзакций субъектов и объектов, пространственно распределенных в пределах региона.

Таким образом, изначально гомогенная мультиагентная система рассматривается как гетерогенная, в которую, кроме агентов-исполнителей, введены агенты, решающие задачи безопасности – идентификации и аутентификации, разграничения доступа, генерации и распределения ключей и анализа локации местоположения агентов. Для решения этой задачи поле деятельности объекта разбивается на зоны, вводятся зональная и межзональные процедуры безопасности. При этом важным является порядок взаимодействия агентов с силами безопасности своей зоны и формирование межзональной политики безопасности.

Полный календарь онлайн-событий компании "ГРОТЕК"

Система анализа АНВ с использованием ИИ позволяет:

  • производить объективизацию оценки обстановки на основе неполной и противоречивой информации;
  • выявлять векторы динамики системы на основе анализа взаимоотношений "нарушитель – силы безопасности";
  • прогнозировать развитие взаимоотношений "нарушитель – силы безопасности" в парах на основе анализа всей системы отношений;
  • выявлять возможности изменения отношений "нарушитель – силы безопасности".

Внедрение системы анализа АНВ с использованием ИИ происходит на фоне изменений формы ГВ, глобализации информационного пространства и информационного противоборства. Его составные части: воздействие, анализ и противодействие. Стало возможным прямое манипулирование информацией, а информационное противоборство дополнилось действиями в киберпространстве и применением социальных технологий. Распространение информационного противоборства стало настолько широким, что можно говорить о наступлении эпохи "постправды". Это повышает роль противодействия информационным угрозам, которое находится в области социального управления, что в РФ недостаточно учитывается. Традиционный подход инерционен, сводится к решению технических вопросов и при всей высочайшей технологичности в условиях ГВ не эффективен, так как не учитывает человека как личность и составную часть общества.

Информационные атаки и новый внутренний фронт

Основным навыком в информационном пространстве должна быть осведомленность для защиты информации. Вредно и полное игнорирование угроз, и изоляция от достижений в сфере управления информацией. Механизмы защиты могут уменьшить уязвимость, но не до нуля.

Необходимо учитывать, что эффективная информационная атака начинается с латентной фазы – скрытого, разведывательного проникновения в наше информационное поле с целью исследования среды, апробации определенных идей и потенциального эффекта их применения, создания и закрепления информационных площадок для дальнейшей агрессии. Формой камуфляжа являются события, изобретения, инновационные технологии, научные теории, философские системы и культурологические концепции. С помощью безобидных форматов проще осуществлять проникновение в информационное пространство РФ, не вызывая особых подозрений.

Использование информационного противоборства, информационных и компьютерных технологий, "промывание мозгов" упрощают внешнее, удаленное манипулирование массами в режиме реального времени. Новым внутренним фронтом ГВ в РФ, сформировавшимся на фоне событий в Украине и Сирии, являются:

  • противодействие миграционным угрозам (предусматривающим перемещение в РФ с формированием "пятой колонны" и террористических ячеек) со стороны исламских неправительственных, религиозно-политических и террористических организаций (на территории Украины действует 37 организаций, 34 из них переместились туда из Крыма в 2014 г., оставив в Крыму "спящие" ячейки);
  • ГВ в виртуальной сфере – Интернете (основном месте пребывания молодежи) и ее роль в становлении мировоззрения молодежи;
  • молодежь и ее роль в формировании "пятой колонны", внутреннего фронта ГВ;
  • псевдоуправление молодежью.

От общественной безопасности к национальной

Гибридная война и ее гуманитарная информационная составляющая оказывают такое влияние на физическую, общественную безопасность РФ, что требуется трансформация общественной безопасности в национальную.

Появление новых изощренных форм агрессии обусловливает необходимость создания механизмов нейтрализации негативного влияния внешних вмешательств и внутренних экстремистских действий за счет укрепления гражданского общества, защиты национальных ценностей и национальных интересов как факторов внутренней мобилизации для противостояния цветным революциям и ГВ. Особое внимание должно уделяться опережающим разработкам, нацеленным на адаптацию к военным нуждам современных информационных и гуманитарных технологий. Функция государства заключается в поддержании баланса между безопасностью и экономическими интересами общества. Развитие общегражданских, социальных отношений в гуманитарной сфере позволит РФ перейти на эффективные формы правового регулирования отношений в области безопасности в эпоху ГВ, даст возможность сформировать новую законодательную базу и сформулировать новые принципы в области обеспечения безопасности.

Опубликовано в журнале "Системы безопасности" №3/2021

Темы:Искусственный интеллектГибридная войнаЖурнал "Системы безопасности" №3/2021
Статьи по той же темеСтатьи по той же теме

Хотите участвовать?

Выберите вариант!

 

КАЛЕНДАРЬ МЕРОПРИЯТИЙ
ПОСЕТИТЬ МЕРОПРИЯТИЯ
ВЫСТУПИТЬ НА КОНФЕРЕНЦИЯХ
СТАТЬ РЕКЛАМОДАТЕЛЕМ
Комментарии

More...