Журнал "Системы Безопасности" № 3‘2021

Ц И Ф Р О В А Я Т Р А Н С Ф О Р М А Ц И Я : A I , У М Н Ы Й Г О Р О Д , I o T 104 Владимир Балановский Член бюро комиссии РАН по техногенной безопасности, профессор Академии военных наук Владимир Подъяконов Научный сотрудник Научно-исследовательского отдела Военного университета МО РФ, к.и.н. Антон Прокопчук Начальник центра информационных технологий связи и защиты информации ГУ МВД России по г. Москве Кирилл Яманов Директор департамента по работе с государственным сектором АО НИП "Информзащита" Леонид Балановский Руководитель направления АО НИП "Информзащита" С истемный подход дает возможность изучать и прогнозировать развитие ГВ как нелиней- ного объекта, функционирующего в условиях высокой неопределенности. Адекватное пред- ставление о сложных, постоянно изменяющихся феноменах ГВ и технологии, основанные на моделировании и применении ИИ, позволяют вырабатывать эффективные стратегии противо- действия ГВ и учитывать их в системе обеспече- ния безопасности РФ. В настоящее время наша страна с точки зрения оценки уровня обеспечения безопасности пере- ходит от "автоматизированных штабов", авто- матизирующих операции по принятию решений в условиях ГВ, к "коллективному интеллекту", основанному на коллективном принятии реше- ний 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. Новые возможности ИИ Искусственный интеллект рассматривается как комплекс технологических решений, имити- рующий самообучение специалиста и поиск решений без заданного алгоритма, что позво- ляет при выполнении конкретных задач полу- чать результаты, сопоставимые с результатами деятельности группы специалистов. Комплекс технологических решений включает в себя информационно-коммуникационную инфра- структуру, программное обеспечение с исполь- зованием методов машинного обучения, про- цессы и сервисы для обработки данных и поиска решений. Использование методов ИИ позволяет объединить усилия специалистов в области безопасности и науки. Со стороны без- опасников это имитационное моделирование и нелинейная оптимизация, со стороны ученых – искусственные нейросети и базы знаний. Каж- дый в своей области проводит анализ, прогноз, распознавание, классификацию, планирование, выработку решений, выработку языка, иденти- фикацию моделей. Использование процесса обучения на элек- тронном полигоне с применением цифрового двойника и интеллектуального агента позво- ляет значительно снизить затраты и "проигры- вать" не только проектные, но и, в отличие от реальных условий, запроектные и гипотетиче- ские сценарии актов незаконного вмешатель- ства (АНВ). Это дает возможность отрабаты- вать с использованием базы знаний решения на основании данных об обстановке и модели противодействия АНВ. Результатом при ситуа- ционном управлении процессом обеспечения безопасности объекта в условиях высокой неопределенности, характерной для ГВ, является формирование системой подготовки принятия решений сценарного прогноза раз- вития обстановки. Уменьшить неопределен- ность при прогнозировании, оценке ресурсов, разработке стратегии позволяют современные средства поддержки принятия решений. При этом совершенствуется информационная без- опасность: повышается эргономичность, сокращается время реакции, из процесса обработки информации исключается слабое звено – человек, а его деятельность направ- ляется в область принятия решений. Этапы подготовки принятия решений при управле- нии процессом обеспечения безопасности на основе ИИ представлены на рисунке. Это позволяет проводить анализ, вырабаты- вать прогноз и предложения для принятия решений с использованием информацион- ного поиска и анализа данных, баз знаний на основе прецедентов, имитационного моде- лирования, эволюционных вычислений, генетических алгоритмов, нейронных сетей, ситуационного анализа, когнитивного моде- лирования. Преимущества и возможности нейронной сети Основным способом реализации технологий, применяемых при создании систем ИИ, являет- ся искусственная нейронная сеть, представляю- щая собой набор отдельных цифровых вычис- лительных элементов – нейронов, расположен- ных 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 иска- женных. 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, пред- назначенного решать различные задачи, взаи- модействовать и адаптироваться к изменяю- щимся условиям ГВ, находится на пересечении научной, технической и социально-гуманитар- ной сфер знания. Решение задачи обеспечения безопасности сводится к созданию из взаимо- действующих агентов многоагентных систем. Каждый агент владеет частичным представле- нием о глобальной проблеме и решает часть общей задачи, поэтому необходимо создать множество агентов и организовать их эффек- июнь – июль 2021 www.secuteck.ru Этапы подготовки принятия решений при управлении процессом обеспечения безопасности на основе ИИ Гибридная война и искусственный интеллект Превращение гибридной войны (ГВ) в новый вид межгосударственного противостоя- ния выдвигает в число первоочередных проблему создания средств подготовки и при- нятия решений на базе искусственного интеллекта (ИИ), позволяющих обеспечить военное, экономическое, информационное и технологическое превосходство