(12.02.2021) Вероятностные графические и родственные модели данных и знаний с неопределенностью в задачах моделирования социальнозначимого поведения индивида

Докладчик: Абрамов Максим Викторович

Transcript

1. Вероятностные графические и родственные модели данных и знаний с неопределенностью в задачах моделирования социальнозначимого поведения индивида Максим Викторович Абрамов председатель СМУ, руководитель лаборатории теоретических и междисциплинарных проблем информатики, к.т.н. mva@dscs.pro Заседание совета молодых ученых СПб ФИЦ РАН 12 февраля 2021 г.
2. 2/16 Немного о нас
3. 3/16 Направления исследований Социокомпьютинг Алгебраические байесовские сети Data science … Информационная безопасность Data mining Информационные технологии в образовании Web-технологии Рискованное поведение
4. 4/16 Пример применения БСД и АБС
5. 5/16 Пример применения: социокомпьютинг
6. 6/16 Социоинженерные атаки Набор прикладных психологических и аналитических приемов, которые злоумышленники применяют для скрытой мотивации пользователей публичной или корпоративной сети к нарушениям устоявшихся правил и политик в области информационной безопасности. Атака злоумышленника на пользователя Переход злоумышленника между пользователями Доступ злоумышленника к критичному документу Бэктрекинг инцидентов
7. 7/16 Развиваемые направления Анализ социальных сетей Исследование психологических особенностей Социальный граф Поиск наиболее вероятных/критичных траекторий Моделирование действий злоумышленника Применение байесовских сетей доверия Профиль уязвимостей Интеллектуальный анализ данных Создание рекомендательной системы Цифровые двойники Создание автоматизированного программного комплекса
8. 8/16 Цифровой двойник пользователя • Возраст (год рождения) • Родной город (Санкт-Петербург, …) • Город проживания (Волгоград, Москва…) • Школа/Вуз (239, СПбГУ…) • Место работы (СПбГУ…) • Пол (женский/мужской) • Социальное окружение • … Автоматизированный поиск аккаунтов сотрудников Мета-профиль пользователя Оценка степени уязвимости
9. 9/16 Профиль уязвимостей пользователя Источники информации для оценки параметров
10. 10/16 Цифровая среда для имитации социоинженерных атак в игровой форме Поговорите с сотрудниками офиса. Чем лучше социальный инженер знает свою жертву, тем проще ему спланировать атаку. Проверка офиса Спасибо, что откликнулись на мою просьбу. Я по себе знаю, какими опасными могут быть социоинженерные атаки. В прошлом году мы потерпели огромные убытки из-за мошенников, поэтому я наняла Вас. Надеюсь, Ваша проверка пройдёт без проблем, я ценю Вашу помощь. С уважением, Марина Ивановна Это качество уж точно не может быть использовано социоинженерами • Использование доверчивости жертвы в преступных целях (обычная тактика мошенников) • Желание помочь • Недобросовестность • Ханжество
11. 11/16 Оценка параметров поведения Затраты Методы профилактик и и лечения Оценка параметров поведения Респонденты Результаты опросов Данные об эпизодах поведения Оценка риска
12. 12/16 Угрозообразующее поведение Представление модели социально-значимого поведения в редакторе GeNIe 2.0 пересчет вероятностных распределений (выполняется GeNIe&SMILE) В интервалах [1;7) [1;7) [7;30) В днях t_01=4 t_02=5 (9-4) t_03=19 (28-9) «последний эпизод произошел 4 дня назад, предпоследний — 9 дней назад, а третий с конца — четыре недели назад» Апостериорное распределение [0;0,01) [0,01;0,05) [0,05;0,1) [0,1;1) [1;10) [10;+) P 0,004 0,267 0,728 <0,001 0 0 Вывод с вероятностью больше 0,999 эпизоды поведения происходят не чаще 1 раза в 10 дней
13. 13/16 Синдром внезапной смерти • Есть некоторое количество пациентов, которые при поступлении имели симптомы кардио-заболеваний. • У каждого из этих пациентов было резкое ухудшение состояния здоровья. • У половины из них ухудшения привели к гибели. Половина пережила ухудшение и пошла на поправку. • Умение предсказывать итог ухудшения могло бы помочь ускорить оказание помощи пациенту, и тем самым спасти ему жизнь. Номер пациента Группа пациента Пол пациента Возраст пациента Количество дней госпитализации Было ли изменение ритма? n: n∊1..120 g: g∊{0,1} (0, если ОГ; 1, если КГ) p: p∊{0,1} (0, если женщина; 1, если мужчина) v: v∊34..94 k: k∊0..172 r: r∊{0,1} (0, если не было; 1, если было) Номер пациента Интервал RR Интервал QT n: n∊1..120 rr: rr∊300..1300 qt: qt∊250..810 Задача: по имеющимся данным получить априорную оценку вероятности того, что пациент попадёт в группу ОГ. (ОГ-не выжившие, КГ-выжившие)
14. 14/16 UFC Performance Institute Применимость БС и АБС в контексте спортивных состязаний Управление процессом подготовки спортсменов Расчёт физических показателей Модель спортсмена Предсказание успешности участия в соревнованиях Создание программы тренировок
15. 15/16 Информационно-аналитический логистический портал Задачи, решаемые проектом Разработка инструментов, оптимизирующих деятельность компаний, осуществляющих коммерческие перевозки: автоматизация трекинга контейнеров; оптимизация маршрутов перевозки; автоматизация поиска компаний-перевозчиков.
16. Вероятностные графические и родственные модели данных и знаний с неопределенностью в задачах моделирования социальнозначимого поведения индивида Максим Викторович Абрамов председатель СМУ, руководитель лаборатории теоретических и междисциплинарных проблем информатики, к.т.н. mva@dscs.pro Заседание совета молодых ученых СПб ФИЦ РАН 12 февраля 2021 г.