- «И» реально достижимо при имеющейся у объекта базе знаний и ресурса по проблеме ::= функция принадлежности способов и средств достижения цели, , к функции их полезности в рассматриваемых контексте и

аспектах:

В табл.11. раскрыта сущность таких информационных рисков, их локальных и интегральных последствий.

Таблица 11.

Классификатор информационных рисков и их последствий

63

В). На этапе синтеза адекватной реакции на угрозы принимается кри-

терий: асимптотическое приближение реально достижимого «И» потен-

циально возможного к необходимому ПРИ допустимом, критическом И/ИЛИ неприемлемом уровне информационного риска и его последствий.

В рамках данной главы рассмотрим возможности формирования логи- ко-синтаксических и логико-семантических моделей требуемого целевого и функционального назначения. Затем на их основе разработаем логикоматематические модели взаимосвязанного развития внешней и внутренней среды ОЗ.

3.2. Состояние вопроса по проблеме информационного обеспечения устойчивого развития объекта защиты

Сравним предложенный выше подход к количественной и качественной оценки возможности достижения целей ИБ ОЗ с реально сложившимся в отечественной теории прогнозирования и принятия решений [29]. Её целевое назначение – информационная и интеллектуальная поддержка проектирования и планирования развития отраслей народного хозяйства СССР

различных по природе. Теория базируется на: изучении законов развития народного хозяйства, определении причин и ДС его развития. В качестве последних рассматриваются социальные потребности, технические возможности их обеспечения и экономическая целесообразность тех или иных способов и средств обеспечения. Решаются три основные задачи прогнозирования и планирования: научное обоснование целей развития хозяйства; изыс-

кание оптимальных путей и средств их достижения; определение ресурсов,

необходимых и достаточных для достижения поставленных целей. Методология прогнозирования строится на комплексировании иссле-

довательских (т.е. поисковых) и нормативных прогнозов. Первые отражают исторически объективно сложившиеся тенденции развития. Вторые устанавливают тенденции, необходимые для достижения социальнополитических, экономических, оборонных и др. целей в намечаемые плановые сроки. Диспропорции между оценками исследовательских и нормативных прогнозов рассматриваются как результат противоречий между «по-

требностями и возможностями».

В свете сказанного, были приняты следующие логические схемы:

-для прогнозирования: цели – теоретически достижимые; пути и средства их достижения – возможные; ресурсы – вероятные;

-для планирования: цель – директивная; пути и средства её достижения – детерминированные; ресурсы – ограниченные.

Прогноз содержит веер альтернатив. План – только одно (оптимальное) решение. Это следствие фактора времени: большое время упреждения вызывает высокую степень неопределённости информации о будущем и,

64

следовательно, расширение доверительного интервала прогнозных оценок, придавая им вероятностный характер вида (5) – (7).

Прогнозную информацию получают по результатам исследования на теоретически обоснованных моделях объекта прогноза и фона его развития. Выдвигается требование: исследования на моделях должны обеспечить получение сведений о возможных состояниях ОЗ в будущем и возможных путях их достижения. Это значит, что модель должна: обеспечить своевременное получение полезной информации об ОЗ в рассматриваемом контексте и аспектах; быть полной, адаптивной, эволюционной и адекватной оригиналу; отвечать ограничениям на время решения задачи. В последнем случае выделяют три класса задач:

-системы работают в реальном масштабе времени, что означает наличие жёсткой информационной связи с ним, т.е. непрерывное поступление информации в систему прогнозирования в виде сигналов различной физической природы. Поэтому предъявляются жёсткие требования к реакции системы на изменения состояния ОЗ, к времени разработки прогноза, точности применяемых методов прогнозирования, их математическому, прогнозному и техническому обеспечению;

-системы работают в масштабе времени близком к реальному. Источниками информации являются как датчики различной природы, так и человек в цепи «источник – приёмник информации». Особенность функционирования такой цепи состоит в том, что информация поступает в систему прогнозирования непрерывно, а прогнозы и управляющие воздействия на объект могут подаваться с запаздыванием или упреждением. В этом случае предъявляются менее жёсткие требования к реакции системы на изменения состояния объекта, чем в первом случае. Требования к точности методов прогнозирования и разнообразию эвристических программ остаются те же. Требования ко времени упреждения прогнозов и глубине ретроспективного анализа повышаются;

-системы функционируют в режиме пакетной обработки прогнозной информации. Источник информации – человек. Сама информация поступает

всистему в дискретные моменты времени с определённой периодичностью

вформе документов различного вида. Исходная информация подвергается экспертизе и переструктурированию с помощью методов дисконтирования и учёта факторов, которые существенно влияют на состояние ОЗ. Информация об ОЗ накапливается в центре прогнозирования и периодически определёнными массивами вводится в систему прогнозирования. На их основе коллектив экспертов разрабатывает варианты прогнозов по результатам исследований на моделях с помощью [29,117] методов прогнозирования, адекватных классу задачи прогнозирования и коду объекта прогноза. Прогнозные варианты представляются в орган управления для принятия решений [29,117] и сопровождается управленческим консультированием. К таким системам предъявляются высокие требования к разнообразию эври-

65

стических приёмов и методов прогнозирования, времени упреждения прогнозов, их синтеза и верификации. Специальные требования к оперативности разработки прогнозов и времени реакции на изменения состояния объекта, надёжности прогнозов и точности методов прогнозирования не предъявляются.

В интересах эффективного решения приведенных выше задач необходимо, чтобы разработчик методик и алгоритмов прогнозирования располагал измерительными шкалами для оценки возможных состояний ОЗ по ситуации и результатам в статике и динамике. Он не должен использовать преобразования и действия, которые могут привести к неадекватным решениям. В теории и практике прогнозирования широко используются методы теории вероятностей и информации, исследования операций и системотехники, статистики и математики, различных по природе наук (социальных, экономических, технических и др.). Классический подход к постановке решению такой задачи выглядит следующим образом [29,117].

Производятся измерения некоторых параметров хn , характеризующих состояние Am стохастического объекта. Требуется установить такие града-

ции вероятностных неравномерных шкал, которые обеспечивали бы минимальные потери информации для распознавания состояния ОЗ и удовлетворяли бы ограничениям на объёмы памяти, необходимые для хранения исходной информации о распределениях случайных параметров.

Возникает задача отыскания оптимального числа градаций, Т, обеспечивающих требуемую надёжность распознавания.

Для решения обеих задач используется энтропийный подход теории информации и эмпирически установленный факт о том, что величина потери информативности признака при выбрасывании границы между j-ой и (j – 1) –ой

градациями I j, j-1 связана корреляционной зависимостью с коэффициентом взаимной корреляции 0,95 с величиной произведения:

уровень энтропии (т.е. неопределенности) состояния объекта относительно информативности параметра хn .

При выборе информативных градаций вычисление информативности признаков при отбрасывании очередной границы производиться непосредственно прямым путём, т.е. результирующая потеря информативности признака принимается равной разности новой и старой энтропии. При этом учитывается, что после отбрасывания первой градации характер распределений вероятностей меняется и необходимо вновь строить характеристику

66

Н j (A / x n ) f [ p(xnj )]. По ней выбирают следующую границу для выбрасыва-

ния. Алгоритм выбора оптимальных градаций принимает следующий вид

[29,117].

По формулам (9) подсчитывают исходные информативности призна-

ков

(9)

где

После чего по формуле (10) производится расчёт возрастания энтропии решения по каждому признаку при отбрасывании границы между любой парой смежных градаций.

(10)

где

Граница, для которой значение H j окажется минимальным, отбрасывается и подсчитывается новое значение информативности признака:

где Iln , Il 1,n – значения информативностей n-го признака на l-ом и (l – 1)-

ом шагах работы алгоритма. Кроме того, в матрице распределения вероятностей осуществляются соединения j-ой и (j–1) –ой градаций: p j, j-1 p j p j 1 .

Для новых распределений признаков весь цикл отбора малоинформативных признаков повторяется сначала. Конец отбора может задаваться либо некоторым порогом информативности (например, допустимый, критический, неприемлемый), суммарной по всем признакам Imax , либо по кон-

кретному признаку I n max . Можно задать заранее число градаций, которое необходимо оставить в процессе минимизации.

67

Кроме того, в интересах минимизации числа переменных описания, необходимого и достаточного для распознавания состояния, в котором находится объект, можно воспользоваться результатами рассмотренного алгоритма. Все параметры выстраиваются в последовательности убывающей информативности (т.е. строится их приоритетный ряд), задаётся необходимая вероятность различения ситуаций, Pp .Устанавливаются ограничения

снизу и сверху [29,117]. Ограничение снизу получают при распределении:

(12)

Ограничение сверху определяется неравенством Фано при:

(13)

Последняя координата минимального маршрута обзора параметров

где L – число шагов минимального маршрута.

В связи с тем, что при расчете информативностей признаков и длины инимального маршрута предполагается отсутствие статистической связи признаков, которая, как правило, существует, а также для компенсации возможных ошибок в оценке вероятностей гипотез минимальный маршрут L обычно несколько удлиняют по сравнению с величиной, определяемой (14).

(15)

и индуцированное им отображение приобретает вид:

(16)

В 70-е годы ХХ века в интересах прогнозирования и планирования направлений развития отечественных отраслей народного хозяйства теория этого вопроса была доведена до уровня разработки автоматизированных систем прогнозирования науки и техники (АСПНТ) [117].

Она предназначалась для выработки управляющих решений на основе комплексного прогнозирования и прогноза последствий принятия того или иного решения в данной отрасли техники. Под управляющим решением понималось описание структуры вложений ресурсов в научноисследовательские, опытно-конструкторские работы и производство, а так-

68

же их распределение между отраслями. В последствии они получили своё дальнейшее развитие в интересах адаптации к рыночным условиям в ХХI веке. В интересах обеспечения требований к прогностическим моделям в АСПНТ осуществляется ветвление альтернатив в пространстве «квазисостояние – время» (рис.22.).

Необходимым условием ветвления является согласованность тактического (в реальном масштабе времени, краткосрочные прогнозы), оперативного (среднесрочные прогнозы) и стратегического (долгосрочные прогнозы) управления. Это значит, что цели – один из факторов, формирующих в схеме АСПНТ области безразличия 1, 2 , 3 , в частности 1, 2 , 3 – интерва-

лы допустимых значений квазисостояния S.

Рис. 22. Ветвление альтернатив [117]

При этом АСПНТ реализует ступенчатое прогнозирование, т.е. отображение вида (15) и индуцированное им отображение вида (16).

После того, как ветвление альтернатив закончено, в обратном порядке осуществляется их сужение (фильтрация) (рис.23) с помощью заранее заданных критериев Õ1, Õ2 , Õ3 .

Таким образом, АСПНТ осуществляет: - ветвление альтернатив

- выдачу ветвящейся последовательности альтернатив, удовлетворяющую критериям оптимальности (15).

69

Рис. 23 Фильтрация (усечение) альтернатив [117]

Следует отметить, что информация, необходимая для моделирования объекта прогноза и фона его развития, в общем случае не совпадают. Поэтому из общего потока информации необходимо отобрать нужную. Эту задачу решает алгоритм выбора «рабочей» квазиинформации:

Она должна отражать ситуацию, в которой необходимо обеспечить эффективное функционирование и устойчивое (антикризисное) развитие ОЗ.

(19)

Согласно [117], ситуацию характеризуют: наличие целей и альтернативных линий поведения; ограничивающие факторы, т.е. дисциплинирующие условия. Таким образом, задача разработки и принятия решений возникает в том случае, когда: существует цель, которую надо достичь; возможны различные способы её достижения; существуют факторы, ограничивающие возможность достижения цели.

В интересах разрешения проблемы принятия решений в условиях неопределённости и ограниченного ресурса в рассмотренном выше подходе к решению прогностических задач используются такие дисциплины, как: математическое программирование; методы теории игр, статистических решений, оптимального автоматического управления.

На современном этапе своё развитие и применение всё чаще находят

эвентологические методы исследований [30,50,102.109,134,137]. Они бази-

руются на методах теории нечётких множеств и нечёткой логики, интеллектуальных систем, возможностей и риска, прогнозирования и принятия решений, оптимального управления. Кроме того, в интересах учёта влияния человеческого и природного факторов на ситуацию и результаты можно воспользоваться методами теории ноосферы и ноосферогенеза [28,36,138], а

70

также специальных дисциплин по обеспечению экологической, информационной и др. безопасности, предусмотренной нормативно–правовыми документами.

Все они предназначены для научного анализа возможных способов действий с целью нахождения такого из них, который в данных условиях был бы наилучшим. Другими словами, речь идёт о методах разработки и принятия оптимальных решений применительно к объектам различной природы в различных условиях их существования. Однако, на современном этапе руководство отечественных производств, как правило, недооценивает роль информационного обеспечения устойчивости их развития в реально складывающейся и прогнозируемой Геополитической, др. обстановке ХХI века [9]. Оно зачастую оправдывает свою позицию по проблеме ИБ производства ограниченностью ресурса, не отдавая себе отчёт в том, что именно она играет решающую роль в обеспечении мирового уровня конкурентоспособности производства и его продукции в современных условиях. Всё вышеизложенное позволяет сделать следующие общие выводы.

1. Сравнение необходимого логико-вероятностно-информационного подхода к разрешению проблемы устойчивости развития ОЗ, согласно ( 5) – (7), с реально сложившимся во второй половине ХХ века показывает существенное отличие в самой постановке задачи. В новых условиях переходного периода (90-е годы ХХ века), построения рыночной инновационной социальной экономики и проведения политики интеграции России в мирохозяйственные связи в начале ХХI века потребовалось разрешение проблемы устойчивости развития ОЗ в заданном контексте, аспектах и условиях. Если

СССР в ХХ веке стала первой социалистической страной и была фактически закрытой для остального мира, то в новых условиях она становится большой открытой организационно-технической системой с принципиально новым общественным и политическим устройством. В результате Россия начинает существенно зависеть от реально складывающейся и прогнозируемой обстановки в мире, возможных исходов противоборства, состязательности, информационной войны с другими странами. Кроме того, было установлено, что в новых условиях по ряду позиций народное хозяйство страны отстало от мирового уровня развития на 30 – 50 лет и оказалась в составе развивающихся стран по сравнению с развитыми и высокоразвитыми. Требуется скачок в развитии народного хозяйства России, что и предусматривается в государственной внешней и внутренней политике, в том числе в области обеспечения её ИБ [2]. В результате по условиям развития возмож-

но выделить четыре класса прогностических задач:

- первый класс: и объект прогноза, и фон его развития находятся в фазе эволюции. В этом случае применяются исследовательские технологии и адекватные им методы прогнозирования [117];

71