Прогнозування розвитку конфліктів гібридного типу на основі Big Data
DOI:
https://doi.org/10.33099/2304-2745/2021-3-73/42-47Ключові слова:
Конфлікти гібридного типу; великі дані; технології обробки великих даних;аналіз великих даних; прогнозування.Анотація
Глобалізація і інформаційно-технологічна революція стали інтеграторами класичних і нових форм, способів і технологій сучасних конфліктів. Набули поширення конфлікти гібридного типу, які направленні на досягнення політичних цілей та характеризуються збільшенням кількості об’єктів, які задіяні в конфлікті, їх різними комбінаціями, одночасним проведенням декількох фаз конфлікту, і застосуванням військових та невійськових засобів. Такі конфлікти характеризуються петабайтами (1015 байта) даних, які генеруються в процесі конфлікту.
На відміну від конфліктів минулого століття, прогнози щодо розвитку конфліктів гібридного типу на основі причинно-наслідкових зв’язків забезпечують рівень вірогідності їх реалізації не вище 0,8. Актуальним є пошук якісно нових підходів до прогнозування розвитку конфліктів гібридного типу.
Мета статті – обґрунтування можливості застосування технологій великих даних для аналізу та прогнозування розвитку конфлікту гібридного типу та визначення послідовності їх обробки та аналізу.
Пропонується послідовність з трьох етапів обробки великих даних для прогнозування конфліктів гібридного типу:
- генерація даних включає: збір даних з різних джерел, передачу, збереження, попередню обробку (інтеграція, очищення, оптимізація) даних;
- інтелектуальний аналіз даних (Data Mining) включає застосування класичних та сучасних процедур і алгоритмів для перетворення різнорідних неструктурованих даних на необхідну для прогнозування інформацію;
- формування прогнозу на основі аналізу та візуалізованих результатів, встановлення зв’язків між об’єктами, прийняття обґрунтованого рішення та планування необхідних заходів протидії.
Посилання
Semenenko V. M., Ivashchenko A. M. Military Aspects of Countering Hybrid Warfare: Experiences, Lessons, Best Practices. NATO Science and Technologies Organization. Paris, 2020. 188 p.
Семененко В. М., Іващенко А. М. Особливості воєнних аспектів сценаріїв протидії гібридній війні. Збірник наукових праць Центру воєнно-стратегічних досліджень Національного університету оборони України імені Івана Черняховського. Київ, 2019. № 1 (65). С. 19–24.
Ivashchenko A., Chornodid I. The Business Assistant Service as One of the Promising Areas for the Adoption of AI Technologies in the Enterprise. Business: Theory and Practice. Vol. 21 Issue. 2. Р. 588–597. (Scopus ID).
Кейт О. Зброя математичного знищення. Київ : Book Chef, 2020. 336 c.
Berman E., Felter J., Shapiro J. Small Wars, Big Data: The Information Revolution in Modern Conflict. Princeton NJ, Princeton University Press. 2018. 408 p.
Zorri D. M., Derezovski M. Big Data Conflict Forecasting: Operationalizing the Data Science Team. Occasional paper. Joint Special Operating University, Department of Strategic Studies, June 2021. 32 p.
Tunnell H. D. Tactical Data Science. Military Review. Kanzas, Fort Leavenworth, Jul/Aug 2020. Vol. 100, Iss. 4. P. 123–137.
Morabito D. National Security and the Third-Road Threat: Toward a Comprehensive Theory of Information Warfare. Air&Space Power Journal. 2021. Vol. 35, Iss. 3. P. 19–39.
The Biggest Data Management News Items During the First Half of 2021. Melbourne, New Bites, Jun 27, 2021. 127 p.
Метров О. Концепции применения вооруженных сил США в многосферных операциях. Зарубежное военное обозрение. 2019. № 10. С. 3–8.
Defence Primer: Army Multi-Domain Operations (MDO). Congressional Research Service. October 22, 2021. 3 p.
McHabb J.B.A Military History of the Modern Middle East. Santa Barbara, CA, Denver, COL, Praeger, 2019. 456 p.
