Системно-динамическое моделирование сетевых информационных операций

Автор: Минаев Владимир Александрович, Сычев Михаил Павлович, Вайц Екатерина Викторовна, Бондарь Константин Михайлович

Журнал: Инженерные технологии и системы @vestnik-mrsu

Рубрика: Информатика, вычислительная техника и управление

Статья в выпуске: 1, 2019 года.

Бесплатный доступ

Введение. В Доктрине информационной безопасности Российской Федерации основными негативными факторами, влияющими на состояние информационной безопасности, названы информационно-технические и информационно-психологические воздействия. Поэтому моделирование, оценка и прогнозирование информационным воздействий на социальные группы и организация соответствующего информационного противодействия являются актуальными задачами управления. Материалы и методы. Рассмотрены системно-динамические модели информационных воздействий в социальных сетях и группах. Обосновано их применение с целью противодействия информационному терроризму и экстремизму. Дано описание в виде потоковых диаграмм в обозначениях системной динамики. Приведены системы дифференциальных уравнений. Проведены эксперименты с моделями с применением перспективной имитационной платформы Anylogic. Результаты исследования. Произведено сравнение агентной и системно-динамической модели, показавшее высокую степень их согласования между собой и со статистическими данными. С использованием реальных данных на основе метода кластерного анализа выделены типологические группы в выборочной совокупности поселений России с различающимся средним временем распространения информационных воздействий. Успешно апробированы системно-динамические модели распространения информационных воздействий в социальных сетях и в студенческой среде с использованием постулата Гиббса. Обсуждение и заключение. Показана высокая согласованность результатов моделирования с эмпирическими данными (коэффициенты детерминации не менее 90 %). Модели позволяют осуществлять прогноз информационного воздействия и информационного противодействия, проигрывать различные сценарии динамики указанных процессов.

Еще

Имитационное моделирование, терроризм, экстремизм, информационное воздействие, информационное противодействие, управление, социальная сеть, топология, типология, кластерный анализ

Короткий адрес: https://sciup.org/147220605

IDR: 147220605   |   DOI: 10.15507/2658-4123.029.201901.020-039

Текст научной статьи Системно-динамическое моделирование сетевых информационных операций

Основными негативными факторами, влияющими на состояние информационной безопасности России, в новой Доктрине информационной безопасности Российской Федерации названы информационно-технические (ИТВ) и информационно-психологические воздействия (ИПВ)1. Так, в Доктрине отмечается наращивание рядом зарубежных стран возможностей информационно-технического воздействия (ИТВ) на информационную инфраструктуру в отношении российских государственных органов, научных организаций и предприятий оборонно-промышленного комплекса. В частности, возрастают масштабы компьютерной преступности, прежде всего в кредитно-финансовой сфере; увеличивается количество все более изощренных преступлений, связанных с неприкосновенностью частной жизни, личной и семейной тайны при обработке персональных данных.

Одновременно в Доктрине указывается на расширение масштабов использования зарубежными спецслужбами информационного воздействия, направленного на дестабилизацию внутриполитической и социально-экономиче- ской ситуации в различных регионах мира и приводящего к подрыву суверенитета и нарушению территориальной целостности других государств. Россия не является исключением.

В Доктрине отмечено, что:

– в целях размывания традиционных российских духовно-нравственных ценностей наращивается информационное воздействие на население России, в первую очередь на молодежь;

– террористические и экстремистские организации широко используют механизмы информационного воздействия на индивидуальное, групповое и общественное сознание для нагнетания межнациональной и социальной напряженности, разжигания этнической и религиозной ненависти либо вражды, пропаганды экстремистской идеологии.

Обзор литературы

К настоящему времени актуализировались интенсивные исследования в области анализа, моделирования и прогнозирования негативных информационных воздействий (ИВ) и информационных противодействий (ИПД) им [1–4].

Появились новые научные работы, отражающие распространение таких воздействий с помощью компьютерных сетей в различных социальных средах (школьных, студенческих, фанатских и др.); различных поселениях: мегаполисах с их специфическими малыми группами, несущими опасность для молодых людей (группы самоубийц, этнические криминальные группы, ру-феры, диггеры, зацеперы в метро и др.); малых и моногородах (с тотальной безработицей и аморальными образцами поведения среди взрослых) [5].

Вышеизложенное позволяет заключить, что моделирование, оценка и прогнозирование информационных воздействий на социальные группы и организация соответствующего информационного противодействия являются актуальными задачами управления.

Том 29, № 1. 2019

К настоящему моменту создана обширная научная база в сфере моделирования информационных воздействий на социальные группы во времени, позволяющая исследовать информационное «заражение» в зависимости от влияния различных внешних и внутренних факторов [1–5].

Разработаны и исследованы различные типы моделей в сфере информационного воздействия: топологические, факторные, регрессионные, вероятностные и др., которые составляют основу для дальнейшего совершенствования инструментария моделирования в сфере информационного воздействия на социум.

В то же время наиболее интересные с практической точки зрения имитационные методы моделирования информационных воздействий на социальные группы и соответствующего информационного противодействия, позволяющие проигрывать различные сценарии проведения информационных операций, в России недостаточно развиты; слабо ведется разработка необходимого комплекса моделей.

Материалы и методы

Исходя из вышеизложенного, можно выделить два важных направления разработки моделей информационных операций, связанных с ИТВ с одной стороны и с ИПВ – с другой. Кроме того, процесс моделирования был бы неполон, если бы не рассматривались модели противодействия ИТВ и ИПВ. В табл. 1 показана степень разработанности названных моделей информационных операций, оцененная в ходе экспертного опроса по 10-балльной шкале (в нем участвовали 45 квалифицированных экспертов).

В данной статье рассмотрены базовые модели в последних двух направлениях (менее разработанных) и некоторые результаты их применения.

Созданы и реализованы математические модели, позволяющие имити-

Т а б л и ц а 1

T a b l e 1

Степень разработанности моделей информационных операций Readiness level of information operation models

Модели информационных операций / Models of information operations Модели ИТВ / Models of informational and technical impacts (ITI) Модели противодействия ИТВ / Models of ITI counteraction Модели ИПВ / Models of informational and psychological impacts (IPI) Модели противодействия ИПВ / Models of IPI counteraction Степень разработанности моделей (баллы) / Level of models readiness (in points) 7 5 5 3 ровать ИПВ и ИПД в социальных сетях и при непосредственном общении индивидов в разнообразных общественных группах. При этом применяется перспективная программная платформа имитационного моделирования Anylogic, на основе которой реализованы модели с высокими коэффициентами объясняемости (не менее 85–90 %) между эмпирическими и модельными данными [6].

Созданная методологическая и методическая база позволяет расширить поле исследований информационных воздействий и создания моделей информационных взаимодействий при проявлениях экстремизма, терроризма и агрессивного поведения социальных групп, включая обучающихся в образовательных организациях. Для этого необходимо решить три основные задачи:

  • -    обосновать и построить базу данных, позволяющую по сетевому информационному контенту распознавать и визуализировать ситуации возникновения агрессивного поведения тех или иных групп населения. К настоящему времени разработаны современные методы анализа контента, позволяющие выявлять инициаторов такого контента

и сетевые узлы, которые с инициаторами связаны;

  • -    изучить и спрогнозировать динамику «заражения» обучающихся стереотипами агрессивного поведения. Для этого целесообразно комплексно использовать методы системно-динамического, агентного и дискретно-событийного моделирования2;

  • -    создать распределенную информационно-аналитическую систему (ИАС) мониторинга агрессивного поведения в регионах Российской Федерации с выделением в указанной системе региональных ситуационных центров, где происходила бы оперативная обработка информации и принятие специалистами решений по возникающим случаям «экстремального напряжения» в социальной среде, включая ее молодежную часть.

По сути, речь идет о построении глобальной информационной системы мониторинга в масштабах страны, которая дает возможность:

  • - обеспечения своего развития путем включения в нее (по мере готовности и необходимости) модулей мониторинга проявлений экстремизма, терроризма и других социально опас-

  • ных явлений, а также модулей подготовки управленческих решений для региональных органов власти и силовых структур при реагировании на подобные явления и ситуации;

    – использования перспективных программно-математических средств и методов при реализации механизмов комплексного реагирования на проявления агрессивного поведения;

    – надежной защиты центров информационного доступа и коммуникационных каналов ИАС.

Учитывая масштабность и острую социальную необходимость реализации на современном уровне механизмов комплексного реагирования на проявления агрессивного поведения (данная проблема, судя по мировым трендам, может только усиливаться), создание высокоорганизованной ИАС связано с привлечением для ее развития высокопрофессиональных специалистов из разных сфер деятельности (математиков, психологов, педагогов, психиатров, представителей информационной сферы, специалистов в области защиты информации и др.).

Приведем необходимые определения, относящиеся к предмету, цели и задачам данной статьи.

Уточняя терминологию работы С. П. Расторгуева и М. В. Литвиненко3, определим сетевые информационные операции как комплекс взаимосвязанных целенаправленных действий информационного характера, осуществляемых в компьютерных сетях и массмедиа посредством межличностных контактов и ориентированных на решение задач

Том 29, № 1. 2019 по перепрограммированию, блокированию, генерации информационных процессов как в технической, так и в гуманитарной сферах.

Системно-динамическое моделирование – метод моделирования и имитации сложных динамических систем, характеризующихся разветвленными, как правило, нелинейными связями [7]. Системная динамика как новое направление в области моделирования получила свое развитие благодаря:

– успехам в области анализа и проектирования сложных систем управления;

– прогрессу в сфере компьютерного моделирования и вычислительных методов.

Базовые работы в этом направлении относятся к исследованиям Дж. Форрестера конца 50-х – начала 60-х гг. ХХ в., посвященных анализу промышленных предприятий4, развитию горо-дов5 и мировой динамике6.

К настоящему времени построением системно-динамических моделей в области информационной безопасности занимаются различные зарубежные научные коллективы: в Университете Карнеги (Меллон, США)7, Оборонном научно-техническом университете Народно-освободительной армии Китая [8], Высшей школе информационной безопасности (Южная Корея) [9], Флоридском Атлантическом университете (США) [10] и в других научных центрах мира.

Созданные за рубежом модели успешно применяются на практике, однако требуют концептуальной и методи- ческой доработки и дополнительных исследований для решения задач анализа, оценки, прогнозирования и управления в сфере информационных воздействий и информационного противоборства.

В основе моделей системной динамики лежат общие структурные элементы, пригодные для моделирования многих систем8–10:

уровни – управляемые объекты, отображаемые переменными, значения которых представляют интегральные характеристики некоторых реальных потоков, рассматриваемых в моделируемой системе;

  • - темпы - скорости потоков, исходящих от одних уровней и входящих в другие, вызывая в них соответствующие изменения.

Кроме того, в моделях используются функции решений , определяемые через функциональные зависимости, существующие в системе; вспомогательные величины и константы .

Системная динамика, представляя собой определенную целостность принципов и методов анализа динамических управляемых систем с обратной связью, дает возможность их применения для решения многих организационно-производственных и социально-экономических задач.

Метод системной динамики предполагает, что для основных фазовых переменных ( системных уровней ) используются дифференциальные уравнения типа [11]:

У = У + - У -, (1)

где ẏ – производная переменной y по времени; у+ - комплекс факторов, положительно сказывающихся на скорости изменения уровня у; у- - комплекс фак- торов, отрицательно сказывающихся на скорости изменения уровня y.

В моделях Форрестера предполагается, что y±, в свою очередь, являются функциями уровней y± = f (F1, F2,…, Fk),       (2)

где k – количество факторов меньшее, чем количество фазовых переменных; каждый фактор зависит только от части системных уровней.

Системно-динамическая модель ИВ На рис. 1 приведено описание системно-динамической модели ИВ с обозначениями, рассматриваемыми в системе дифференциальных уравнений (3).

<

dS = OS ( t )+ YS ( t ) - SL (t )

dY = SL (t) - LY (t) dt dR = LY (t) - YR (t)-YS (t) dt

OS (t )= o S (t )

SL (t ) - b S ( t ) +     a T S ( t ) Y (t )

S (t )+ Y (t )+ L (t )+ R (t )

YR (t ) - c Y (t )

LY (t ) - L ( t ) f

YS (t ) - g Y (t ) a - p k о n _ b - M k 1 k 2

Построение системно-динамической модели ИПД связано с моделью ИВ на социальные группы. Предпола-

  • 8    Форрестер Дж. Основы кибернетики предприятия (индустриальная динамика) / Пер. с англ. ; общ. ред. и предисл. Д. Гвишиани. М. : Прогресс, 1971. 340 с.

  • 9    Форрестер Дж. Динамика развития города / Пер. с англ. М. Орловой ; под ред. Ю. Иванилова, А. Иванова, Р. Оганова ; предисл. Ю. Козлова. М. : Прогресс, 1974. 286 с.

  • 10    Форрестер Дж. Мировая динамика / Пер. с англ. А. Ворощука, С. Пегова ; послесл., коммент. Н. Моисеева. М. : Наука, 1978. 384 с.

Р и с. 1. Системная потоковая диаграмма системно-динамической модели ИВ

F i g. 1. The system flow diagram of the information influence system-dynamic model гается, что в социуме одновременно идет распространение двух противоположных идей ИВ (положительной и отрицательной). Потоковая диаграмма, описывающая системно-динамическую модель ИПД, будучи представленной системой дифференциальных уравнений (4), приведена на рис. 2.

—=OS(t)+XS(t)+YS(t) - SX(t) - SY(t) dt

— = SX ( t ) + YX ( t ) - XS(t ) - XY ( t )

dt

dY

—=SY (t)+XY (t) -YS (t) -YX (t)

dt

SX ( t ) = b s (t ) + a x S ( t ) ' X ( t )

’ x ’ S(t) + X(t)+Y(t)

^ SY(t ) = b y S ( t ) +

a y S ( t ) Y ( t ) S ( t ) + X ( t ) + Y (t )

XY ( t ) =

kx ■ X (t )Y (t) X (t)+Y (t)

YX (t ) =

k y X (t ) Y ( t ) X ( t ) + Y (t )

XS (t) = gx-X (t) YS (t)=gy. Y (t) OS (t)=o S (t).

Для практической реализации системно-динамических моделей ИВ и ИПД использовались статистические данные о распространении различных информационных воздействий в социальных сетях, а также данные опросов в социальных группах. Отметим, что процесс имитационного моделирования, осуществленный с использованием современной программной платформы Anylogic, позволяет «проигрывать» любое количество противоборству- ющих идей11. Основными переменными, динамика которых в социуме отслеживалась с помощью разработанных моделей, является количество лиц:

– подверженных ИВ;

  • -    находящихся в латентной стадии ИВ;

  • –    принявших идею ИВ;

  • –    отказавшихся от идеи ИВ.

При этом системно-динамическая модель ИПД, являющаяся логическим развитием модели ИВ, учитывает характеристики забывания информации, существования латентного периода, изменения размера социальной группы, топологию взаимодействия в группе, замещения идеи ИВ идеей противоборствующей стороны.

Результаты исследования

Результаты некоторых модельных экспериментов по изучению влияния различных параметров на динамику процессов ИВ приведены на рис. 3–5. Пример имитационного эксперимента с системно-динамической моделью ИПД приведен на рис. 6.

Отметим, что результаты моделирования на основе системно-динамического и агентного подходов совпали с достаточной степенью точности (рис. 7). Коэффициент согласования между моделями составил 94 %, со статистическими данными 92 %.

В экспериментах на материале фактических статистических данных имитировалось по отдельности распространение ИВ от семи различных пользователей, а также одновременно с нескольких узлов реальной социальной сети (рис. 8).

Из рис. 8 следует, что динамика количества лиц, «зараженных» идей ИВ, в зависимости от источника «заражения» в г. К. различается, подчиняясь общим динамическим закономерностям логистического характера.

Р и с. 2. Системная потоковая диаграмма системно-динамической модели ИПД

F i g. 2. The system flow diagram of the system-dynamic model of information and psychological counteractions

Р и с. 3. Скорость принятия идеи ИВ ( SY ) в зависимости от вероятности коммуникации на тему, вложенную в контент ИВ ( p )

F I g. 3. The speed of acceptance of the II idea ( SY ) depending on the probability of communication on the topic, related to II content ( p )

Р и с. 4. Скорость принятия идеи ИВ ( SY ) в зависимости от показателя массовости и регулярности СМИ, пропагандирующих идею ИВ ( M )

F i g. 4. The speed of acceptance ( SY ) of the II idea depending on the circulation and regularity ( M ) of the media promoting it

Р и с. 5. Динамика количества лиц, принявших идею ИВ ( Y ), в зависимости от длительности латентного периода ( f )

F i g. 5. The dynamics of the number of people who accepted the II idea ( Y ), depending on the duration of the latent period ( f )

Р и с. 6. Динамика количества лиц, подверженных ИВ ( S ), принявших первую – негативную ( X ) и вторую – позитивную ( Y ) идеи ИВ, а также лиц в латентной стадии от первой ( LX ) и второй ( LY ) идей ИВ

F i g. 6. The dynamics of the number of people exposed to II ( S ), the first – negative ( X ) and second – positive ( Y ) ideas, as well as people in the latent stage of the first ( LX ) and second ( LY ) ideas

Р и с. 7. Результаты сравнительного моделирования ИВ на основе системно-динамического и агентного подходов

F i g. 7. The results of comparative modeling of II based on the system-dynamic and agent approaches

Р и с. 8. Динамика количества лиц, «зараженных» идеей ИВ, в зависимости от источника «заражения» в г. К.

F i g. 8. The dynamics of the number of people, “infected” with the II idea, depending on the infection source in the city of K

Далее эксперимент был расширен: в качестве объектов исследования были выбраны 42 малых города России. По результатам анализа данных о сетевых связях между пользователями социальной сети «ВКонтакте» построены отображающие их графы. Рассчитаны топологические характеристики социальных сетей, такие как коэффициент кластеризации, степень связности, диаметр, плотность, средняя длина пути.

С целью выделения однородных групп поселений для сравнения времени распространения ИВ в них, исходя из топологических характеристик, применен иерархический метод кластерного анализа – метод Вальда. Дендрограмма кластеризации представлена на рис. 9.

В табл. 2 показано среднее время распространения ИВ в различных кластерах. Ее анализ свидетельствует о том, что наблюдается существенное различие среднего времени распространения ИВ в кластерах.

Данное обстоятельство требует различной стратегии и тактики со стороны соответствующих государственных структур по организации информацион- ного противоборства в поселениях, относящихся к различным типологическим группам. Это в полной мере относится к сфере борьбы с терроризмом и экстремизмом в информационной среде.

Для апробации моделей далее был проведен эксперимент по результатам анализа статистических данных по сообществу в социальной сети «ВКонтакте», которое было создано с целью организации реального политического митинга с экстремистскими лозунгами. Временные зависимости, полученные по результатам моделирования, показывают высокую объясняемость модели; коэффициент детерминации равен 95 % (рис. 10). Отметим, что в динамике распространения ИВ о проведении оппозиционных митингов выделяются два периода с разными параметрами модели ИВ, соответствующими двум информационным вбросам, произошедшим в российских городах в тот период.

В рамках исследований по моделированию ИВ также проведен важный эксперимент, подтвердивший известный постулат Гиббса о статистических ансамблях12. Существо постулата в том,

Р и с. 9. Типологические группы выборочной совокупности поселений России

F i g. 9. Typological groups of a sample of Russian settlements

Т а б л и ц а 2

T a b l e 2

Среднее время распространения ИВ в кластерах The average dissemination time of the II idea in clusters

№ кластера / Number of cluster Среднее время распространения идеи ИВ, ч / Average time of disseminating the II idea, in hours 1-й кластер / Cluster 1 310,00 2-й кластер / Cluster 2 250,40 3-й кластер / Cluster 3 181,00 4-й кластер / Cluster 4 133,25 Индивидуальный объект / The individual object 62,00 что независимые параллельные процессы информационного воздействия в однородных независимых популяциях протекают со схожей динамикой и параметрами модели, описывающей эти процессы.

Эксперимент по распространению идеи ИВ проводился в студенческой среде (рис. 11). В качестве объектов для распространения идеи ИВ выбраны семь независимых студенческих групп, обучающихся в различных вузах меди цинского профиля. Вероятность контакта между участниками групп принималась равной нулю в силу специфики организации образовательного процесса.

Таким образом, экспериментальные исследования системно-динамических моделей с использованием реальных статистических данных о распространении ИВ подтвердили их эффективность и работоспособность для прогнозирования динамики распространения ИВ в зависимости от скорости инфор-

Р и с. 10. Моделирование динамики распространения в социальной сети ИВ о проведении оппозиционных митингов

F i g. 10. Modeling the dynamics of disseminating the information about opposition rallies

■ ■ ■ ■ Статистика / Statistics

Р и с. 11. Результаты эксперимента по распространению ИВ в студенческой среде

F i g. 11. The experimental results of disseminating II to students

мационного «заражения», особенностей социальных групп, топологии социальных сетей и других факторов.

Обсуждение и заключение

  • 1.    Для решения задач исследования негативных ИВ на социальные группы и процессов информационного противоборства, а также управления этими 36

  • 2.    Имитационные модели ИВ и ИПД позволяют оценивать, анализи-

    Информатика, вычислительная техника и управление


  • 3.    Выбранное в качестве среды моделирования программное обеспечение современных имитационных платформ позволяет в деталях проигрывать различные сценарии с использованием системно-динамических и агентных моделей, наглядно интерпретировать результаты моделирования, проводить различные виды имитационных экспериментов.

  • 4.    Топологические различия социальных сетей как современной платфор

  • 5.    Новизна модели информационного противоборства связана с тем, что в имитационной системе впервые описываются две противоборствующие идеи (имитационная платформа позволяет учитывать их любое разумное количество). Новым, пока не использованным в моделях информационных операций, является подход с применением к социальным процессам постулата Гиббса из статистической физики.

  • 6.    Перспективой развития анализа топологических различий в рамках системно-динамического подхода является выявление дополнительных «глубинных» факторов, характеризующих разные поселения/города/регионы и влияющих на динамику распространения идеи ИВ.

процессами эффективно применение методов системно-динамического, агентного и дискретно-событийного моделирования, используемого на сегодняшний день для исследования различных сложных социально-экономических процессов.

ровать и прогнозировать использование социальных сетей в качестве среды распространения экстремизма, терроризма, молодежной агрессии, аутоагрессии и других крайне опасных явлений. Результаты расчетов с помощью системы уравнений, реализованной в имитационной системе Anylogic, дают возможность территориальным органам управления и силовым структурам заблаговременно обосновывать управленческие решения по подготовке и реализации мероприятий, направленных на снижение или нейтрализацию указанных негативных ИВ на общество в целом и его социальные группы (включая молодежь) в частности в зависимости от структуры и динамики факторного комплекса, влияющего на процессы ИВ в социальных сетях.

мы ИВ и ИПД могут эффективно использоваться для построения стратегии и тактики информационного контакта с населением со стороны региональных властей и силовых структур, а также для более четкого и обоснованного построения системы противодействия различным негативным информационным влияниям на социальные группы, особенно молодежные, со стороны окружения различной природы, осуществляющего информационные операции.

Все авторы прочитали и одобрили окончательный вариант рукописи.

38 Информатика, вычислительная техника и управление

Submitted 05.12.2018; revised 21.01.2019; published online 29.03.2019

All authors have read and approved the final version of the paper.

Сomputer science, computer engineering and management 39

Список литературы Системно-динамическое моделирование сетевых информационных операций

  • Как управлять массовым сознанием: современные модели / В. А. Минаев [и др.]. М.: РосНОУ, 2013. 200 с.
  • Минаев В. А., Дворянкин С. В. Моделирование динамики информационно-психологических воздействий на массовое сознание // Вопросы кибербезопасности. 2016. № 5 (18). С. 56-64. DOI: 10.21681/2311-3456-2016-5-56-64
  • Минаев В. А., Дворянкин С. В. Обоснование и описание модели динамики информационно-психологических воздействий деструктивного характера в социальных сетях // Безопасность информационных технологий. 2016. Том 23, № 3. С. 40-52. URL: https://bit.mephi.ru/index.php/bit/ article/view/16/26
  • Моделирование угроз информационной безопасности с использованием принципов системной динамики / В. А. Минаев [и др.] // Вопросы радиоэлектроники. 2017. № 6. С. 75-82.
  • Губанов Д. А., Новиков Д. А., Чхартишвили А. Г. Социальные сети: модели информационного влияния, управления и противоборства / под ред. чл.-корр. РАН Д. А. Новикова. М.: ФИЗМАТЛИТ, 2010. 228 с.
  • Системно-динамическое моделирование информационных воздействий на социум / В. А. Минаев [и др.] // Вопросы радиоэлектроники. 2017. № 11. С. 35-13.
  • Алехнович С. О., Слизовский Д. Е., Ожиганов Э. Н. Системно-динамическое моделирование: принципы, структура и переменные (на примере Московской области) // Вестник РУДН. Серия «Политология». 2009. № 1. С. 22-36. URL: http://journals.rudn.ru/political-science/article/ view/8918/8369
  • Liu W., Cui Y., Li. Y. Information systems security assessment based on system dynamics // International Journal of Security and Its Applications. 2015. Vol. 9, no. 2. P. 73-84.
  • Kim A. C., Lee S. M., Lee D. H Compliance risk assessment measures of financial information security using system dynamics // International Journal of Security and Its Applications. 2012. Vol. 6, no. 4. P. 191-200.
  • Behara R., Derrick Huang C., Hu Q. A system dynamics model of information security investments // Journal of Information System Security. 2010. Vol. 6, no. 2. P. 1572-1583. URL: https://pdfs.semanticscholar.org/5e4d/6276a8788cc43c1bb0531be97eec24490f94.pdf
  • Гусаров А. Н., Жуков Д. О., Косарева А. В. Описание динамики распространения компьютерных угроз в информационно-вычислительных сетях с запаздыванием действия антивирусов // Вестник МГТУ им. Н. Э. Баумана. Сер. «Приборостроение». 2010. №2 1 (78). С. 112-120. URL: http:// vestnikprib.ru/articles/122/122.pdf
Еще
Статья научная