МОДЕЛИРОВАНИЕ НЕСИММЕТРИЧНОГО ИНФОРМАЦИОННОГО ПРОТИВОБОРСТВА ПРИ НАЛИЧИИ АЖИОТАЖА

Одна из типовых ситуаций при информационном противоборстве состоит в том, что одна из партий обладает преимуществом в ресурсе вещания, а другая партия распространяет более вирусные сообщения. Возникает вопрос о том, в какой мере эти факторы могут уравновешивать друг друга. Другими словами, насколько большим должно быть преимуществ одной из сторон в своем факторе, чтобы одержать победу в информационном противоборстве. Метод. Рассматривается модель информационного противоборства в социуме при наличии ажиотажа. Предполагается, что две партии вербуют сторонников, распространяя сообщения через аффилированные средства массовой информации. Их сторонники участвуют в партиципаторной пропаганде, распространяя эти сообщения среди других индивидов. Модель имеет вид системы двух нелинейных обыкновенных дифференциальных уравнений. С моделью проведены численные эксперименты. В рамках экспериментов фиксировались все параметры, кроме интенсивности вещания одной партии и интенсивности передачи сообщений другой партии при межличностной коммуникации. Значения первого из этих параметров перебирались с определенным шагом, и путем численных экспериментов. Один из этих параметров варьировался, и путем численного эксперимента определялось значение второго параметра, при котором партии имеют равное количество сторонников на конец противоборства. Получено соотношение между указанными параметрами, при котором побеждает данная партия. Это соотношение носит линейный характер. 

1. Wanless, A. and Berk, M., 2019. The audience is the amplifier: Participatory propaganda. The Sage Handbook of Propaganda. Sage: London. P. 85-104.

2. Daley, D.J., Kendall, D.G.: Stochastic rumors // Journal of the Institute of Mathematics and its Applications, 1, 42–55 (1964).

3. Maki, D.P., Thompson, M.: Mathematical Models and Applications, Prentice-Hall, Englewood Cliffs, NJ, USA (1973)

4. Osei, G.K., Thompson, J.W.: The supersession of one rumour by another // J. of Applied Probability, 14(1), 127–134 (1977).

5. A.G. Chkhartishvili, D.A. Gubanov, D.A. Novikov. Social Networks: Models of information influence, control and confrontation. Cham, Switzerland: Springer International Publishing, 2019. – 158 с. DOI: 10.1007/978-3-030-05429-8.

6. D. Gubanov, I. Petrov. Multidimensional Model of Opinion Polarization in Social Networks // 2019 Twelfth International Conference "Management of large-scale system development" (MLSD). Moscow, Russia: IEEE, 2019. С. 1-4. DOI: 10.1109/MLSD.2019.8910967.

7. A.G. Chartishvili, I.V. Kozitsin, V.L. Goiko, E.R. Saifulin. On an Approach to Measure the Level of Polarization of Individuals’ Opinions // 2019 Twelfth Inter-national Conference "Management of large-scale system development" (MLSD), Moscow, Russia, 2019, pp. 1-5, doi: 10.1109/MLSD.2019.8911015.

8. I.V. Kozitsin, A.M. Marchenko, V.L. Goiko, R.V. Palkin. Symmetric Convex Mechanism of Opinion Formation Predicts Directions of Users’ Opinions Trajec-tories // 2019 Twelfth International Conference "Management of large-scale sys-tem development" (MLSD), Moscow, Russia, 2019, pp. 1-5, doi: 10.1109/MLSD.2019.8911064.

9. A.P. Petrov, S.A. Lebedev. Online Political Flashmob: the Case of 632305222316434 // Computational mathematics and information technologies. — 2019. — No 1. — P. 17–28. doi: 10.23947/25878999-2019-1-1-17-28.

10. Petrov A. P., Maslov A. I., Tsaplin N. A. Modeling Position Selection by In-dividuals during Information Warfare in Society // Mathematical Models and Computer Simulations, 2016, Vol. 8, No. 4, pp. 401–408, doi:10.1134/S2070048216040141.

11. Petrov A., Proncheva O. (2018) Modeling Propaganda Battle: Decision-Making, Homophily, and Echo Chambers. In: Artificial Intelligence and Natural Language. AINL 2018. Communications in Computer and Information Science, vol 930. Springer. P. 197-209. doi: 10.1007/978-3-030-01204-5_19

12. A. Boldyreva, O. Sobolevskiy, M. Alexandrov, V. Danilova. Creating collec-tions of descriptors of events and processes based on Internet queries // 14-th Mexican Intern. Conf. on Artif. Intell. (MICAI-2016), Springer Cham, LNAI, 2016, vol. 10061 (chapter 26), 2016. pp. 303-314, https://doi.org/10.1007/978-3-31962434-1_26.

13. A. Boldyreva, M. Alexandrov, O. Koshulko, O. Sobolevskiy. Queries to In-ternet as a tool for analysis of the regional police work and forecast of the crimes in regions // 14-th Mexican Intern. Conf. on Artif. Intell. (MICAI-2016), Springer Cham, LNAI, vol. 10061 (chapter 25), 2016. pp. 290-302, https://link.springer.com/chapter/10.1007/978-3-319-62434-1_25.

14. L. Akhtyamova, M. Alexandrov, J. Cardiff, O. Koshulko. Opinion Mining on Small and Noisy Samples of Health-related Texts. // Advances in Intelligent Sys-tems and Computing III (Proc. of CSIT-2018), Springer, AISC, 2019, vol. 871, p.1-12.

15. L. Akhtyamova, M., J. Cardiff. LM-Based Word Embeddings Improve Bio-medical Named Entity Recognition: A Detailed Analysis. // Lecture Notes in Computer Science, vol 12108. Springer, Cham, doi: 10.1007/978-3-030-45385-5_56.

16. Pronchev G.B., Shisharina E.V., Proncheva N.G. Cyber threats for modern Russia in the context of the coronavirus pandemic // Political Science Issues. Vol. 11. 1(48-50). P.26-34. DOI: 10.35775/PSI.2021.48.1.003.

17. Pronchev, G.B., Mikhailov, A.P., Lyubimov, A.P. and Solovyev, A.A., 2020. Particularities of the Internet-based virtual social environments within the context of information warfare. EurAsian Journal of BioSciences, 14(2), pp.3731-3739.

18. A.A. Samarskii, A.P. Mikhailov. Principles of Mathematical Modelling: Ide-as, Methods, Examples. 2001. Taylor and Francis Group.

19. Mikhailov A. P., Marevtseva N. A. Models of information struggle // Math. Models Comput. Simul., Vol. 4, No. 3 (2012), P. 251–259.

20. Mikhailov A. P., Petrov A. P., Marevtseva N. A., Tretiakova I. V. Develop-ment of a Model of Information Dissemination in Society // Mathematical Models and Computer Simulations, 2014, Vol. 6, No. 5, pp. 535–541, 2014.

21. A.P. Mikhailov, L.F. Yukhno. The formulation and preliminary study of the model of the hype dissemination of information in society // Computational mathematics and information technologies. — 2019. — No 2. P. 76-82. doi: 10.23947/2587-8999-2019-2-2-76-82.