Моделирование процессов информационно-психологического воздействия в социальных сетях
Ключевые слова:
социальная сеть, информационно-психологическое воздействие, негативное ИПВ, позитивное ИПВ, клеточные автоматы, распространение, социально-психологические факторы
Аннотация
Рассмотрены модели социальных сетей, а также следующие классы задач, связанные с исследованием информационно-психологического воздействия: моделирование информационного влияния, информационного управления и информационного противоборства. Предложены модель распространения информационно-психологического воздействия в социальных сетях на основе клеточных автоматов, иерархическая структура изменения состояний субъекта информационно-психологического воздействия и схема переходов из состояния в состояние, положенные в основу алгоритма работы клеточного автомата. Предложенный клеточный автомат позволяет учитывать социально-психологические факторы субъектов социальной сети и моделировать распространение информационно-психологического воздействия в социальной сети. Проведено моделирования предложенного алгоритма. Приведены результаты моделирования предложенного алгоритма.
Скачивания
Данные скачивания пока не доступны.
Литература
1. Баришполец, В. А. Области применения информационно-психологического воздействия / В. А. Баришполец // Информационные технологии. – 2014. – No 1. – С. 52–79.
2. Баришполец, В. А. Информационно-психологическая безопасность: основные положения / В. А. Баришполец // Информационные технологии. – 2013. – No 2. – С. 62–104.
3. Доктрина информационной безопасности Российской Федерации, утверждена Указом Президента Российской Федерации от 5 декабря 2016 г. No 646. – URL: http://static.kremlin.ru/media/acts/files/0001201612060002.pdf
4. Губанов, Д. А. Модели влияния в социальных сетях / Д. А. Губанов, Д. А. Новиков, А. Г. Чхартишвили // Управление в социально-экономических системах. – 2008. – No 27. – С. 205–281.
5. Додонов, А. Г. Моделирование информационных резерваций / А. Г. Додонов, Д. В. Ландэ // Открытые семантические технологии проектирования интеллектуальных систем. – 2016. – No 1. – С. 253–256.
6. Bailey, N. The Mathematical Theory of Infectious Diseases and Its Applications / N.Bai-l e y.– New York : Hafner Press, 1975. – 429 p.
7. Golub, B. Naive Learning in Social Net-works: Convergence, Influence and the Wisdom of Crowds / B. Golub, M. Jackson. // American Economic Journal: Microeconomics. – 2010. – No2:1. – P. 112–149.
8. Granovetter, M. The Strength of Weak Ties/ M. Granovetter // American Journal of Psychology. – 1973. – No78(6). – P. 1360-1380.
9. Evendar, E. A Note on Maximizing the Spread of Influence in Social Networks / E. Even-dar., A. Shapira // Internet and Network Economics. – 2007. – P. 281–286.
10. Kempe, D. Maximizing the Spread of Influence through a Social Network / D. Kem-pe, J.Kleinberg, E. Tardos // Proceedings of the 9-th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining. – 2003.– P. 137–146.
11. Masuda, N. Analysis of relative influence of nodes in directed networks / N. Masuda, Y.Kawamura, H. Kori // Physical Review. – 2009.– E80. – P. 46–114.12. Rolfe, M. Social Networks and Threshold Models of Collective Behavior / M. Rolfe. Pre-print. – Chicago: University of Chicago. – 2004.– P. 1420 – 1443.
13. Valente, T. Network Models of the Diffusion of Innovations / T. Valente. – Cresskill, NJ: Hampton Press. – 1995. – P. 480–488.
14. Гончаров, И. В. Формализация процесса информационно-психологического воздействия / И. В. Гончаров, Н. Ю. Демьяненко, Я. С. Мишина // Вестник Воронеж. гос. ун-та. Сер. Системный анализ и информационные технологии. – 2012. No 2. – С. 36–41.
15. Гончаров, И. В. Возможность моделирования процесса информационно-психологического воздействия с помощью нейронных сетей / И. В. Гончаров, Н. Ю. Демьяненко, Я. С. Мишина // XIII Международная научно-методическая конференция «Информатика: проблемы, методология, технологии». – Воронеж, 2013. – С. 124–130.
16. Гончаров, И. В. Анализ возможностей и систематизация технических средств, характеризующих построение канала информационно-психологического воздействия / И. В. Гончаров, Н. Ю. Демьяненко, А. О. Хачумов, С. С. Ноздрачев // Труды Российской научно-технической конференции. – Воронеж, 2009. – С. 168–174.
17. Гончаров, И. В. Описание подхода к представлению состояний объектов и субъектов процесса информационно-психологического воздействия с помощью вейвлет-преобразования / И. В. Гончаров, Я. С. Мишина // Международная научно-практическая конференция «Техника и безопасность объектов уголовно-исполнительной системы – 2013». ФКОУ ВПО Воронежский институт ФСИН России. – 2013. – С. 58–70.18. Friedkin, N. E. Structural Cohesion and Equivalence Explanations of Social Homogenei-ty/ N. E. Friedkin // Sociological Methods and Research. – 1984. – No 12. – P. 235–261.
19. Leenders, R. The Specification of Weight Structures in Network Autocorrelation Models of Social Influence / R. Leenders. – 2002. – p. 46.
20. Бреер, В. В. Стохастические модели социальных сетей / В. В. Бреер // Управление большими системами. – 2009. – No 27. – С.169–204.
21. Tarnow, E. Like Water and Vapor – Conformity and Independence in the Large Group / E. Tarnow. – 1996. – P. 136–151.
22. Berger, R. L. A Necessary and Sufficient Conditions for Reaching a Consensus using De Groot’s method / R. L. Berger // Journal of Amer-ican Statistical Assotiation. – 1981. – V. 76. – P.415–419.
23. Chatterjee, S. Toward Consensus: Some Convergence Theorems on Repeated Averaging/ S. Chatterjee, E. Seneta // Journal of Applied Probability. – 1977. – No 14. – P. 159–164.
24. De Marzo, P. Persuasion Bias, Social Influ-ence and Unidimensional Opinions / P. De Mar-zo, D. Vayanos, J. Zwiebel // Quarterly Journal of Economics. – 2003. – No 118(3). – P. 909–968.
25. Hesgelman, R. Opinion Dynamics and Bounded Confidence Models, Analysis and Sim-ulation / R. Hesgelman, U. Krause // Journal of Artificial Societies and Social Simulation. – 2002.– No 5:3 – P. 44–77.
26. Казаков, В. Г. Многоагентные системы и сценарии развития Веб / В. Г. Казаков, И.Н.Карпенко // Информационное общество: образование, наука, культура и технологии будущего. – 2017. –No 1. – С. 34–43.
27. Охапкина, Е. П. Разработка фрагмента онтологии для многоагентной системы модерации сообщений пользователей / Е. П. Охапкина, Л. И. Воронова // Вестник НГУ, Серия: Информационные технологии. – 2014. – No1.– С. 54–62.
28. Казаков, В. Г. Социальные сети и многоагентные системы / В. Г. Казаков, И.Н.Карпенко // Информационное общество: образование, наука, культура и технологии будущего. – 2015. – No1. – C. 260–268.
29. Domingos, P. Mining the Network Value of Customers / P. Domingos, M. Richardson // Proceedings of the Seventh International Conference on Knowledge Discovery and Data Mining.– 2002. – P. 57–66.
30. Ландэ, Д. В. Модель диффузии информации / Д. В. Ландэ // Информационные технологии и безопасность. Менеджмент информационной безопасности. Сборник научных трудов Института проблем регистрации информации. – 2007. –No 10 – С. 51–67.
31. Зайцев, И. Д. Многоагентные системы в моделировании социально-экономических отношений: исследование поведения и верификации свойств с помощью цепей Маркова / И. Д. Зайцев // Материалы LI международной научной студенческой конференции «Студент и научно-технический прогресс», Информационные технологии. – Новосибирск.– 2013. – C. 143.
32. Goldenberg, J. Talk of the Network: AComplex Systems Look at the Underlying Pro-cess of Word-of-Mouth / J. Goldenberg, B. Libai, E. Muller // Marketing Letters. – 2001. – No 2. – P.11–34.
33. Romualdo, P. Epidemic Spreading in Scale-Free Networks / P. Romualdo., V. Alessandro // Physical Review Letters. – 2001. – No 14(86). – P.3200–3203.
34. Wu, F. Information Flow in Social Groups/ F. Wu, B. Huberman, L. Adamic, J. Tyler// Statistical and Theoretical Physics. – 2004. – No 337.– P. 327–335.
35. Рунков, Я. К. Использование нейронных сетей в социальных коммуникациях и интернет-ресурсах, их обеспечивающих/ Я.К.Рунков // Международный журнал экспериментального образования. – 2015. – No12.– С.626–627.
36. Нейронные сети и социальная инженерия, Идеи и перспективы. – URL: http://ai-news.ru/2017/07/nejronnye_seti_i_socialnaya_inzheneriya_idei_i_perspektivy.html
37. Leskovec, J. Costeffective Outbreak Detection in Networks / J. Leskovec, A. Krause, C.Guestrin, C. Faloutsos, J. Vanbriesen, N.Glance // Proceedings of the 13-th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining. – 2007. – P. 420–429.
38. Ландэ, Д. В. Модель диффузии информации // Информационные технологии и безопасность. Менеджмент информационной безопасности. Сборник научных трудов Института проблем регистрации информации. – Вып. 10. – 2007. – С. 51–67.
39. Шмидт, Ю. Д. О некоторых подходах к моделированию пространственной диффузии инноваций / Ю. Д. Шмидт, О. Н. Лободина // Пространственная Экономика. – 2015. – No 2. – С. 103–115.
40. Ломакин, С. Г. Анализ модели передачи информации в сети клеточных автоматов / С. Г. Ломакин, А. М. Федотов // Вестник НГУ, Серия: Информационные технологии. – 2014. – No 3. –С. 86–99.
41. Нижегородцев, Р. М. Модели клеточных автоматов в теории диффузии инноваций / Р. М. Нижегородцев, В. Д. Секерин, С. В. Лисафьев,// Вопросы новой экономики. – 2012. – No 3. – С. 39–43.
42. Ажмухамедов, И. М. Моделирование процесса распространения информации в социальных сетях / И. М. Ажмухамедов, Д. А. Мачуева, Д. А. Жолобов // Фундаментальные исследования. – 2017. – No 5. – C. 9–14.
43. Гребень, Н. Ф. Психологические тесты для профессионалов / Н. Ф. Гребень – Минск : Современная школа, 2007. – 496 с.
2. Баришполец, В. А. Информационно-психологическая безопасность: основные положения / В. А. Баришполец // Информационные технологии. – 2013. – No 2. – С. 62–104.
3. Доктрина информационной безопасности Российской Федерации, утверждена Указом Президента Российской Федерации от 5 декабря 2016 г. No 646. – URL: http://static.kremlin.ru/media/acts/files/0001201612060002.pdf
4. Губанов, Д. А. Модели влияния в социальных сетях / Д. А. Губанов, Д. А. Новиков, А. Г. Чхартишвили // Управление в социально-экономических системах. – 2008. – No 27. – С. 205–281.
5. Додонов, А. Г. Моделирование информационных резерваций / А. Г. Додонов, Д. В. Ландэ // Открытые семантические технологии проектирования интеллектуальных систем. – 2016. – No 1. – С. 253–256.
6. Bailey, N. The Mathematical Theory of Infectious Diseases and Its Applications / N.Bai-l e y.– New York : Hafner Press, 1975. – 429 p.
7. Golub, B. Naive Learning in Social Net-works: Convergence, Influence and the Wisdom of Crowds / B. Golub, M. Jackson. // American Economic Journal: Microeconomics. – 2010. – No2:1. – P. 112–149.
8. Granovetter, M. The Strength of Weak Ties/ M. Granovetter // American Journal of Psychology. – 1973. – No78(6). – P. 1360-1380.
9. Evendar, E. A Note on Maximizing the Spread of Influence in Social Networks / E. Even-dar., A. Shapira // Internet and Network Economics. – 2007. – P. 281–286.
10. Kempe, D. Maximizing the Spread of Influence through a Social Network / D. Kem-pe, J.Kleinberg, E. Tardos // Proceedings of the 9-th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining. – 2003.– P. 137–146.
11. Masuda, N. Analysis of relative influence of nodes in directed networks / N. Masuda, Y.Kawamura, H. Kori // Physical Review. – 2009.– E80. – P. 46–114.12. Rolfe, M. Social Networks and Threshold Models of Collective Behavior / M. Rolfe. Pre-print. – Chicago: University of Chicago. – 2004.– P. 1420 – 1443.
13. Valente, T. Network Models of the Diffusion of Innovations / T. Valente. – Cresskill, NJ: Hampton Press. – 1995. – P. 480–488.
14. Гончаров, И. В. Формализация процесса информационно-психологического воздействия / И. В. Гончаров, Н. Ю. Демьяненко, Я. С. Мишина // Вестник Воронеж. гос. ун-та. Сер. Системный анализ и информационные технологии. – 2012. No 2. – С. 36–41.
15. Гончаров, И. В. Возможность моделирования процесса информационно-психологического воздействия с помощью нейронных сетей / И. В. Гончаров, Н. Ю. Демьяненко, Я. С. Мишина // XIII Международная научно-методическая конференция «Информатика: проблемы, методология, технологии». – Воронеж, 2013. – С. 124–130.
16. Гончаров, И. В. Анализ возможностей и систематизация технических средств, характеризующих построение канала информационно-психологического воздействия / И. В. Гончаров, Н. Ю. Демьяненко, А. О. Хачумов, С. С. Ноздрачев // Труды Российской научно-технической конференции. – Воронеж, 2009. – С. 168–174.
17. Гончаров, И. В. Описание подхода к представлению состояний объектов и субъектов процесса информационно-психологического воздействия с помощью вейвлет-преобразования / И. В. Гончаров, Я. С. Мишина // Международная научно-практическая конференция «Техника и безопасность объектов уголовно-исполнительной системы – 2013». ФКОУ ВПО Воронежский институт ФСИН России. – 2013. – С. 58–70.18. Friedkin, N. E. Structural Cohesion and Equivalence Explanations of Social Homogenei-ty/ N. E. Friedkin // Sociological Methods and Research. – 1984. – No 12. – P. 235–261.
19. Leenders, R. The Specification of Weight Structures in Network Autocorrelation Models of Social Influence / R. Leenders. – 2002. – p. 46.
20. Бреер, В. В. Стохастические модели социальных сетей / В. В. Бреер // Управление большими системами. – 2009. – No 27. – С.169–204.
21. Tarnow, E. Like Water and Vapor – Conformity and Independence in the Large Group / E. Tarnow. – 1996. – P. 136–151.
22. Berger, R. L. A Necessary and Sufficient Conditions for Reaching a Consensus using De Groot’s method / R. L. Berger // Journal of Amer-ican Statistical Assotiation. – 1981. – V. 76. – P.415–419.
23. Chatterjee, S. Toward Consensus: Some Convergence Theorems on Repeated Averaging/ S. Chatterjee, E. Seneta // Journal of Applied Probability. – 1977. – No 14. – P. 159–164.
24. De Marzo, P. Persuasion Bias, Social Influ-ence and Unidimensional Opinions / P. De Mar-zo, D. Vayanos, J. Zwiebel // Quarterly Journal of Economics. – 2003. – No 118(3). – P. 909–968.
25. Hesgelman, R. Opinion Dynamics and Bounded Confidence Models, Analysis and Sim-ulation / R. Hesgelman, U. Krause // Journal of Artificial Societies and Social Simulation. – 2002.– No 5:3 – P. 44–77.
26. Казаков, В. Г. Многоагентные системы и сценарии развития Веб / В. Г. Казаков, И.Н.Карпенко // Информационное общество: образование, наука, культура и технологии будущего. – 2017. –No 1. – С. 34–43.
27. Охапкина, Е. П. Разработка фрагмента онтологии для многоагентной системы модерации сообщений пользователей / Е. П. Охапкина, Л. И. Воронова // Вестник НГУ, Серия: Информационные технологии. – 2014. – No1.– С. 54–62.
28. Казаков, В. Г. Социальные сети и многоагентные системы / В. Г. Казаков, И.Н.Карпенко // Информационное общество: образование, наука, культура и технологии будущего. – 2015. – No1. – C. 260–268.
29. Domingos, P. Mining the Network Value of Customers / P. Domingos, M. Richardson // Proceedings of the Seventh International Conference on Knowledge Discovery and Data Mining.– 2002. – P. 57–66.
30. Ландэ, Д. В. Модель диффузии информации / Д. В. Ландэ // Информационные технологии и безопасность. Менеджмент информационной безопасности. Сборник научных трудов Института проблем регистрации информации. – 2007. –No 10 – С. 51–67.
31. Зайцев, И. Д. Многоагентные системы в моделировании социально-экономических отношений: исследование поведения и верификации свойств с помощью цепей Маркова / И. Д. Зайцев // Материалы LI международной научной студенческой конференции «Студент и научно-технический прогресс», Информационные технологии. – Новосибирск.– 2013. – C. 143.
32. Goldenberg, J. Talk of the Network: AComplex Systems Look at the Underlying Pro-cess of Word-of-Mouth / J. Goldenberg, B. Libai, E. Muller // Marketing Letters. – 2001. – No 2. – P.11–34.
33. Romualdo, P. Epidemic Spreading in Scale-Free Networks / P. Romualdo., V. Alessandro // Physical Review Letters. – 2001. – No 14(86). – P.3200–3203.
34. Wu, F. Information Flow in Social Groups/ F. Wu, B. Huberman, L. Adamic, J. Tyler// Statistical and Theoretical Physics. – 2004. – No 337.– P. 327–335.
35. Рунков, Я. К. Использование нейронных сетей в социальных коммуникациях и интернет-ресурсах, их обеспечивающих/ Я.К.Рунков // Международный журнал экспериментального образования. – 2015. – No12.– С.626–627.
36. Нейронные сети и социальная инженерия, Идеи и перспективы. – URL: http://ai-news.ru/2017/07/nejronnye_seti_i_socialnaya_inzheneriya_idei_i_perspektivy.html
37. Leskovec, J. Costeffective Outbreak Detection in Networks / J. Leskovec, A. Krause, C.Guestrin, C. Faloutsos, J. Vanbriesen, N.Glance // Proceedings of the 13-th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining. – 2007. – P. 420–429.
38. Ландэ, Д. В. Модель диффузии информации // Информационные технологии и безопасность. Менеджмент информационной безопасности. Сборник научных трудов Института проблем регистрации информации. – Вып. 10. – 2007. – С. 51–67.
39. Шмидт, Ю. Д. О некоторых подходах к моделированию пространственной диффузии инноваций / Ю. Д. Шмидт, О. Н. Лободина // Пространственная Экономика. – 2015. – No 2. – С. 103–115.
40. Ломакин, С. Г. Анализ модели передачи информации в сети клеточных автоматов / С. Г. Ломакин, А. М. Федотов // Вестник НГУ, Серия: Информационные технологии. – 2014. – No 3. –С. 86–99.
41. Нижегородцев, Р. М. Модели клеточных автоматов в теории диффузии инноваций / Р. М. Нижегородцев, В. Д. Секерин, С. В. Лисафьев,// Вопросы новой экономики. – 2012. – No 3. – С. 39–43.
42. Ажмухамедов, И. М. Моделирование процесса распространения информации в социальных сетях / И. М. Ажмухамедов, Д. А. Мачуева, Д. А. Жолобов // Фундаментальные исследования. – 2017. – No 5. – C. 9–14.
43. Гребень, Н. Ф. Психологические тесты для профессионалов / Н. Ф. Гребень – Минск : Современная школа, 2007. – 496 с.
Опубликован
2018-05-01
Как цитировать
Гончаров, И. В., Паринов, П. А., & Сирота, А. А. (2018). Моделирование процессов информационно-психологического воздействия в социальных сетях. Вестник ВГУ. Серия: Системный анализ и информационные технологии, (2), 93-104. https://doi.org/10.17308/sait.2018.2/1215
Выпуск
Раздел
Системный анализ социально-экономических процессов
- Авторы сохраняют за собой авторские права и предоставляют журналу право первой публикации работы, которая по истечении 6 месяцев после публикации автоматически лицензируется на условиях Creative Commons Attribution License , которая позволяет другим распространять данную работу с обязательным сохранением ссылок на авторов оригинальной работы и оригинальную публикацию в этом журнале.
- Авторы имеют право размещать их работу в сети Интернет (например в институтском хранилище или персональном сайте) до и во время процесса рассмотрения ее данным журналом, так как это может привести к продуктивному обсуждению и большему количеству ссылок на данную работу (См. The Effect of Open Access).
