ІНФОРМАЦІЙНА БЕЗПЕКА КІБЕРПРОСТОРУ СОЦІАЛЬНИХ МЕРЕЖ ШЛЯХОМ ВИЯВЛЕННЯ СПОСОБІВ РОЗПОВСЮДЖЕННЯ ДЕЗІНФОРМАЦІЇ ТА НЕАВТЕНТИЧНОЇ ПОВЕДІНКИ КОРИСТУВАЧІВ ЧАТІВ НА ОСНОВІ ГЛИБИННОГО НАВЧАННЯ ТА МУЛЬТИМОДАЛЬНОГО АНАЛІЗУ

Анотація

У статті розглянуто проблему виявлення джерел та шляхів розповсюдження дезінформації й неавтентичної поведінки користувачів чатів у сучасному інформаційному просторі. Актуальність дослідження обумовлена стрімким зростанням обсягів цифрового контенту, поширенням соціальних мереж і чат-платформ, а також активізацією інформаційних атак, маніпулятивного впливу та використанням автоматизованих бот-мереж. Показано, що традиційні підходи, засновані виключно на аналізі текстового контенту, мають суттєві обмеження через неможливість повного врахування поведінкових характеристик користувачів, мультимедійних компонентів та структурних зв'язків між учасниками інформаційного середовища. У першому розділі роботи виконано аналіз сучасного стану проблеми виявлення дезінформації, досліджено основні методи автоматичного аналізу неправдивого контенту та неавтентичної поведінки користувачів. Розглянуто традиційні підходи машинного навчання, сучасні моделі глибинного навчання, мультимодальні методи аналізу та графові нейронні мережі. Проведено порівняльний аналіз переваг і недоліків існуючих підходів, визначено проблемні аспекти та окреслено перспективні напрями розвитку. У розділі постановки задачі запропоновано концептуальний pipeline дослідження, який охоплює процеси збору мультимодальних даних, їх попередньої обробки, виділення ознак, мультимодального об'єднання, навчання моделей глибинного навчання, побудови графів взаємодії користувачів, аналізу інформаційних каскадів та виявлення потенційних джерел дезінформації. Розроблено математичну модель, що інтегрує текстові, поведінкові та графові характеристики. У розділі методів та матеріалів описано математичний апарат моделі, яка поєднує Transformer-моделі для текстового аналізу, згорткові нейронні мережі для виділення візуальних ознак, рекурентні мережі для поведінкового аналізу та Graph Neural Network для моделювання структури взаємодій між користувачами. Запропоновано механізм мультимодального об'єднання ознак із використанням механізмів уваги та комбінованих функцій втрат. У експериментальній частині проведено дослідження на основі мультимодальних наборів даних, що включали текстові повідомлення, часові ряди активності та мережеві характеристики користувачів. Отримані результати продемонстрували ефективність запропонованого підходу при ідентифікації потенційних джерел дезінформації, виявленні аномальних поведінкових шаблонів та прогнозуванні шляхів поширення інформаційних повідомлень. Аналіз інтерактивних графів поширення та карт ймовірностей підтвердив здатність системи адаптуватися до різних структур мереж і типів інформаційних каскадів. Практична значущість дослідження полягає у можливості використання розробленого підходу в системах моніторингу інформаційного простору, кібербезпеки, соціальних мережах, чат-платформах та системах раннього виявлення інформаційних загроз.