Рус Eng Cn Translate this page:
Please select your language to translate the article


You can just close the window to don't translate
Library
Your profile

Back to contents

Security Issues
Reference:

Regarding the Applied Use of Risk Models

Tikhanychev Oleg Vasilyevich

ORCID: 0000-0003-4759-2931

PhD in Technical Science

Deputy Head of Department in the Office of Advanced Development, Technoserv Group 

111395, Russia, Moscow, Yunosti str., 13

tow65@yandex.ru
Other publications by this author
 

 

DOI:

10.25136/2409-7543.2019.2.27633

Received:

09-10-2018


Published:

06-06-2019


Abstract: The object of the research is the process of inter-state confrontation based on the soft power methods. The subject of the research is the methods of modelling personal risks of socio-political process participants and forecasting consequences of the use of social technologies that destabilize society as well as relevant counter measures. This is a review article that is devoted to the analysis of destructive technologies used in the process of inter-state confrontation within the soft power methods. Tikhanychev analyzes the main factors and risks considered by each individual during decision making process including those within social processes. For quantitative substantiation of these methods, the author offers to use geometric interpretaiton of probability cost estimation risk model that is practically used in technology and economics as well as by each individual in his or her decision making process subconsciously. The author analyzes behavioral patterns of models as well as possibility to influence individual's behavior through modification of these patterns. The researcher concludes that such influence is possible and describes some variants thereof. At the end of the article the researcher sets a target to develop a risk assessment model that would evaluate methods of soft power technology counteraction. 


Keywords:

inter-state confrontation, indirect confrontation methods, soft power, social engineering methods, mathematical modeling, risk assessment, hidden identification, risk model, quantitative expression of risk, application of risk theory

This article written in Russian. You can find original text of the article here .

Введение

Военные теоретики всех времён утверждали, что главная цель любой войны, получить мир, более комфортный для нападающего, чем был до начала военных действий [1]. Это логично: лучше по итогам войны, если она неизбежна, получить нового союзника или вассала, чем разрушенное и обозлённое государство-соседа. С учётом этого, в настоящее время в рамках межгосударственного противоборства наблюдается смещение акцентов от силовых действий к использованию методов «мягкой силы» (soft power). Примером подобных действий является применение деструктивных социальных технологий так называемых «цветных» революций. И любое государство, пытающееся защитить своё будущее и будущее своих граждан, должно обладать возможностями противодействия подобным методам.

Но как показала практика, в настоящее время в извечном противодействии «меча и щита» выигрывает нападение: специалистами разработано значительное количество методов дестабилизации социальной системы государства-противника [2,3,4], и намного меньшее количество методов защиты [5]. В результате оказалось, что создать «управляемый хаос» несложно, управлять им проблематично, а ещё труднее - выйти.

Основная проблема в данном аспекте представляется в том, что в настоящее время организация «цветных» революций и противодействие деструктивным воздействиям решается на уровне интуитивном, логико-аналитическом, когда точные математические методы и реализующие их современные информационные технологии используются преимущественно при обработке статистики и визуализации информации [6,7,8]. Итог такого состояния: абсолютно непредсказуемые результаты планируемых действий, даже осуществляемых в, казалось бы, похожих условиях – от относительно бескровной и достаточно успешной по результатам «жасминовой» революции 2011 года в Тунисе, до кровавой и бессмысленной резни в соседней с ним Ливии. Анализ показывает, что для обеспечения организации эффективных действий необходимо в процессе реализации цикла принятия решений иметь возможность получения точных оценок, основанных на математических методах прогнозирования, например, моделировании. Проблема актуальна как для случая организации непрямого противоборства, так и для противодействия ему.

1.Модель прогнозирования поведения общественных систем на основе теории рисков

Прогнозирование последствий принимаемых решений является неотъемлемой частью цикла управления. В настоящее время существует и используется в практике управления достаточно обширный перечень методов прогнозирования (рисунок 1). Но для прогнозирования последствий реализации социальных технологий межгосударственного противоборства используется лишь небольшая часть из них. В первую очередь это экспертные методы и логико-вероятностные модели. Сложившаяся ситуация определяется сложностью формализованного описания процессов, протекающих в обществе, характеризующихся масштабностью и разнородностью информации. Специалистами признаётся, что, проблема формализации в целом является одним из основных препятствий в использовании точных математических методов поддержки принятия решений в области управления социально-техническими системами [9,10]. И область моделирования социальных процессов – не исключение.

Один из возможных подходов к разрешению подобной ситуации – использование укрупнённых математических моделей основных процессов несилового противоборства. Оценка составляющих подобных процессов, осуществляемых в форме так называемых «цветных» революций показывает, что:

- основным инструментом воздействия на начальном этапе является информационное противоборство, осуществляемое через средства массовой информации и социальные сети;

- по результатам информационного воздействия осуществляется переход к силовым протестным действиям;

- в ряде случаев, на последующих этапах включается механизм прямой внешней поддержки протестных действий.

Анализ особенностей предметной области показывает, что математическое описание процессов, реализуемых в рамках вышеописанных этапов, может быть получено на основе оценки основных составляющих информационного противоборства и силовых протестных действий, а именно – структуры процессов выбора личной альтернативы поведения каждым участвующим в процессе индивидуумом, лавирующим между ожидаемой полезностью результата и возможными потерями и затратами на его достижение. Для формализованного описания подобного подхода, как показывает практика работы в смежных областях, может успешно использоваться модель на основе теории рисков.

Рис.1. Вариант классификации методов прогнозирования

Основными преимуществами подобной модели можно считать:

- относительную простоту и апробированность математического аппарата;

- простоту выделения участвующих в процессе групп агентов, например: активные участники протестов, сочувствующие, равнодушные и противодействующие группы;

- возможность оперирования усреднёнными параметрами оценок для выделенных групп взаимодействующих агентов (целевых групп).

В обобщённой форме, в контексте современных социологических и социально-психологических теорий риска: натуралистических, функциональных или институциональных, модель строится относительно рассуждений каждого моделируемого актора о соотношении стоимости и полезности результата, основанных на объективном и субъективном влиянии фактора рисков при принятии решения [11]. Определяются эти факторы тем, что любой человек, принимая решение, логически, а при возможности и численно, оценивает риск последствий своих действий, как в случае успеха, так и неуспешного окончания. И, хотя некоторые исследователи предполагают калькулируемость риска только в рамках натуралистической модели [12], на самом деле, основываясь на известной схеме «единичного акта» Т.Парсона [13,14], можно утверждать, что оценки формируются в любом случае. Если не численные, в явном виде, то хотя бы на качественном уровне. А последние тоже определяются на основе вычислений, пусть даже подсознательно, в форме сравнительных логических операций.

Для получения прогнозов указанных оценок, разделённых по группам участников процесса, и предлагается использовать математическую модель на основе аппарата теории рисков [15,16,17]. Согласно положениям этой теории, при принятии решения, каждый индивид руководствуется степенью риска, возникающего при выполнении действия. При этом он, чаще всего на подсознательном уровне, использует математический аппарат минимизации ошибок, которые в теории вероятностей делятся на ошибки первого и второго рода [18,19]. С использованием подобной эвентуальной модели, каждый конкретный индивид пытается минимизировать величину ожидаемого риска R по двум направлениям: снижение угрозы потери возможной «прибыли» (ошибки первого рода) и минимизации вероятных «убытков» (ошибки второго рода). В формальном выражении, данная модель описывается следующей функцией:

R = С12 (1 - P(H12)) + C21P(H21) min.

Понятия P(H21), P(H12), C21, C12 в модели рисков могут меняться в зависимости от условий решаемой задачи. В рамках описания модели социальных рисков, они принимают следующий физический смысл:

С12 – ожидаемая «полезная стоимость» результата предпринимаемых действий;

Р(Н12) – вероятность того, что стратегия действий выбрана правильно и событие будет завершено с положительным для рискующего результатом;

С21 – потери, возникающие в результате срыва или необоснованного принятия решения на действие;

Р(Н21) – вероятность неверного выбора стратегии, приводящей к отрицательному результату действий.

Приведённая зависимость отражает оценку рисков в логической форме. Для получения конкретных оценок необходимо описать зависимость в форме математической модели. В наиболее часто встречающейся ситуации, когда решения Р(Н12) и Р(Н21) несовместны и составляют полную группу событий, получаем, что Р(Н12) = 1 - P(H21). Тогда:

R = C12P(H21) + C21P(H21).

В графическом виде вариант модели рисков, сформированной относительно вероятности неуспеха Р(Н21) для случая полной группы событий, может быть описан так, как представлено на рисунке 2.

Подобное графоаналитическое представление процесса принятия решения может быть достаточно просто реализовано в форме программы математической модели (рисунок 3) и позволяет наглядно представлять изменение оценок рисков в зависимости от изменения влияющих на них факторов.

Рис.2. Графическая интерпретация моделирования оценки рисков

Рис.3. Графическое описание модели рисков с помощью стандартного пакета MathCad

Так, например, повышение стоимости С21 «задирает» в модели прямую рисков вверх (рис.2), повышая ожидаемое суммарное значение риска R0 до уровня R1. Изменение вероятностей Р(Н12) или Р(Н21) сдвигает точку принятия решения на графике влево (P-) или вправо (P+), меняя относительное значение риска до R2 или R3 соответственно.

2. Основные факторы, влияющие на применение модели

Применение подобных моделей позволяет использовать аппарат теории рисков для оценки возможности регулирования социальных процессов. С учётом того, что вероятности Р(Н12) и Р(Н21) в большинстве ситуаций составляют полную группу событий, для управления обществом через риски или их ожидания, как очевидно из модели (рис.2), может быть использовано несколько основных вариантов:

- повышение неотвратимости наказания (увеличение вероятности Р(Н21));

- ужесточение наказания за противоправные действия С21.

- снижение вероятности получения «прибыли» при осуществлении противоправных действий Р(Н12) и ожидаемой стоимости, получаемой в результате успеха С12 .

В использовании данной модели могут быть несколько проблем, требующих решения:

- разделение населения на группы по признакам поведения относительно отношения к протестам;

- получение конкретных значений показателей стоимостей и вероятностей, обеспечивающих поиск "равновесных" точек, которые определяют переход модели в безусловно невыгодную рискующему область и обратно;

- учёт особенностей моделирования различных групп населения.

Первая проблема с точки зрения построения модели является самой простой: высокая точность разделения не требуется, а с необходимой для моделирования точностью процентное отношение групп может быть получено на основании результатов обработки статистики и учёта общественного мнения. Более того, как показывает анализ опыта всевозможных «цветных» и «цветочных» революций, работать придётся преимущественно с активными слоями населения, которые являются их движущей силой. Соответственно, именно эту группу и необходимо в первую очередь изучать в рамках модели риска.

Вторая проблема может быть комплексно решена различными методами, наиболее простым и надёжным из которых представляется применение экспертных оценок, формализуемых с использованием количественно-качественной шкалы. Например, сформированной с использованием D-функции желательности Харрингтона (таблица 1) или любыми другими известными методами.

Таблица 1- Вариант шкалы получения количественно-качественных оценок вероятностей ошибок первого и второго рода

Качественная оценка вероятности

Количественный показатель

Очень высокая

выше 0,8

Выше средней

0,8 - 0,63

Средняя

0,62 - 0,37

Низкая

0,36 - 0,2

Очень малая

менее 0,2

Заблаговременное получение экспертных оценок для модели рисков позволит провести все необходимые мероприятия для обеспечения их точности: формирование представительной выборки экспертов, проверку согласованности и отбраковку аномальных результатов и т.п.

Аналогичным способом могут быть сформированы и стоимостные оценки рисков.

Третья проблема заключается в том, что при описании модели и интерпретации результатов моделирования необходимо учесть ряд специфических факторов, характерных для течения социальных процессов в обществе. В рамках этой проблемы, следует учитывать разные цели воздействия на группы населения, например:

- для активной части необходимо принуждение к отказу от целевых действий;

- сомневающихся убедить не поддерживать протесты;

- пассивное большинство необходимо убеждать в стабильности власти и правильности действий силовиков.

В рамках таких действий, моделируемые факторы могут оказывать различное влияние на разные группы населения, но их формальное описание в модели будет аналогичным. В то же время, различие может возникать при интерпретации результатов моделирования, что определяется разными целевыми установками групп – участников событий. Соответственно, различия в интерпретации требуют учёта в мерах по реализации результатов прогнозирования.

Во-первых, при реализации указанных мер следует учесть, что величина личных рисков оценивается каждым индивидуумом приоритетно. А все риски для государства и общества – через их преломление на угрозы для себя и своей семьи. Последнее определяется тем, что большинство людей редко в процессе оценки рисков ориентируются на дальнюю перспективу, так как прогнозировать на длительный период в условиях постоянных изменений обстановки проблематично. Чаще они ориентируются на риски в ближайшем будущем по времени и в пространстве. Исходя из этого, можно сделать вывод о том, что необходимо точечное «адресное» воздействие на краткосрочные интересы каждого человека, готового к протестным действиям. А в первую очередь – на наиболее активных членов протестных групп и их руководство.

Кстати, с учётом этого, в многочисленных руководствах по организации «ненасильственных действий» достаточно много места уделяется обеспечению безопасности их участников. Не из заботы о них, разумеется, а для сохранения протестного потенциала. Основные рекомендации – скрывать своё участие и принадлежность к данным процессам. Как при общении в сетях, так и физически, при участии в акциях протеста. Разумеется, подобные действия будут создавать проблемы при реализации мер, разрабатываемых с использованием предлагаемой модели противодействия, и их необходимо учитывать и парировать [20].

Обеспечить парирование противодействия опознаванию, то есть, в терминах предлагаемой модели сохранение высоких ожиданий личной вероятности Р(Н21), возможно через выполнение ряда технологических мер, в первую очередь – по идентификации каждого из участников протестного процесса. Преимущественно, с использованием методов идентификации независимых от желания пользователя. Тем более, что современные технологии предоставляют достаточно широкий спектр подобных методов: идентификация по физическим признакам, по психологическому портрету и им подобных. Дополнительно разработчики систем опознавания должны парировать меры противодействия непрямыми методами: дублированием методов идентификации, скрытием самого факта работы системы, использованием косвенных методов идентификации (например, по излучению мобильных устройств) и т.п. Только так может быть обеспечена эффективность достижения цели персонализации ответственности и, на её основе, изменения ожиданий в системе рисков.

Во-вторых, при интерпретации результатов моделирования следует вспомнить ещё об одном факторе. В рамках механизма оценки рисков, часто срабатывает некоторое создаваемое искусственно «смещение», определяемое методами действий разных групп общества [21,22]. Чаще всего относительно небольшие группы, оперирующие в интересах дестабилизации общества, действуя вне правового поля, намеренно и показательно создают куда большие угрозы личности, чем карательные органы государства. В результате оценка рисков также смещается в их пользу, заставляя обывателя принимать решение, соответствующее их целям. Исторических примеров этому множество: революционный террор, религиозный экстремизм и т.п.

Часто именно такой подход реализуется через специализированные технологии на многочисленных площадях и майданах в рамках «цветных» и «цветочных» революций.

В-третьих, при описании модели следует учесть следующий психологический аспект – принимая решение, индивидуум пользуется, как правило, не точными значениями стоимости рисков и вероятностей, которые он посчитать не в состоянии, а их оценками в собственном сознании. Соответственно, целенаправленное формирование этих оценок, один из способов противодействия деструктивным действиям. Как в части вероятностей, величины возможных потерь, так и ожидаемой полезности результата. С учётом предыдущих рассуждений – вероятностей и величины потерь и прибыли лично для каждого потенциального участника протестов.

3. Перспективы применения модели на основе теории рисков

Предлагаемая модель, после её настройки и верификации, может быть использована как для прогнозирования рисков деструктивных антиобщественных воздействий, так и для оценки вариантов противодействия им. Как и большинство средств прогнозирования, предлагаемая модель будет использоваться не для выработки оптимальных решений, а для сравнительной оценки ожидаемых результатов их реализации в процессе итерационного метода поиска решения. Оценив с её помощью их относительную вероятность и стоимость, пользователь сможет выбрать наиболее эффективные методы из перечня спланированных.

При этом, даже в наиболее общей, описательной форме, предлагаемая модель рисков уже на этапе концептуального описания позволяет выделить следующие основные методы противодействия деструктивным действиям:

- повышение личной вероятности неуспеха деструктивных действий для каждого их потенциального участника за счёт использования технологий распознавания личности и реализации на их основе мер «точечных» воздействий. В первую очередь – для организаторов процесса;

- кардинальное повышение «стоимости» неуспеха, и не столько даже самой стоимости, сколько представления о её величине для потенциальных участников событий;

- убеждение потенциальных участников конфликтов в низкой вероятности ошибки при отказе от противоправных действий и высокой плате за участие в них. И в целом, для обеспечения такой цели – перехват информационных потоков, недопущение их использования протестующими и поддерживающими их внешними силами, создание своеобразной монополии на агитацию со стороны государства;

- выстраивание логичных отношений с протестующими. Например, недопустимость уступок им, так как уступки завышают вероятность позитивных ожиданий и приводят к возрастанию требований, как показывает пример Украины 2014 года, Франции 2018 года и ряда других стран и ситуаций.

Заключение

Собственно, все сгенерированные с помощью модели предложения достаточно очевидны и при логическом анализе содержания социальных процессов. Но, с применением предлагаемой модели, они становятся более обоснованными и вероятно, могут быть дозированы. Переход от логических оценок к количественным прогнозам, основанным на данных моделирования, обеспечит более эффективную реализацию конкретных действий. А это в условиях непрерывного возрастания роли невоенных мер межгосударственного противоборства [23,24,25,26] и уровня их опасности для успешного функционирования любого современного государства [27,28,29,30], является очень важным и необходимым фактором обеспечения безопасности.

References
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
11.
12.
13.
14.
15.
16.
17.
18.
19.
20.
21.
22.
23.
24.
25.
26.
27.
28.
29.
30.