Informacioni rat kao matematički optimizacioni problem

Alex

1. Definicija problema

Informacioni rat možemo formalizovati kao dinamički optimizacioni problem nad mrežom aktera, gde različite strane pokušavaju da maksimizuju uticaj na kolektivno stanje percepcije populacije.

Neka je:

  • G=(V,E)G = (V, E)G=(V,E) društvena mreža
  • VVV skup aktera
  • EEE veze komunikacije
  • xi(t)∈[−1,1]x_i(t) \in [-1,1]xi​(t)∈[−1,1] stav pojedinca i u trenutku t
  • u(t)u(t)u(t) kontrolni signal (narativ)

Cilj aktera A: max⁡u(t)J=∫0TΦ(X(t))dt−λ∫0Tu(t)2dt\max_{u(t)} J = \int_0^T \Phi(X(t)) dt – \lambda \int_0^T u(t)^2 dtu(t)max​J=∫0T​Φ(X(t))dt−λ∫0T​u(t)2dt

gde je:

  • X(t)=1∣V∣∑ixi(t)X(t) = \frac{1}{|V|} \sum_i x_i(t)X(t)=∣V∣1​∑i​xi​(t) kolektivno mišljenje
  • Φ(X)\Phi(X)Φ(X) funkcija političke ili strateške dobiti
  • λ\lambdaλ trošak propagacije

2. Dinamika promene mišljenja

Koristimo prošireni DeGroot model sa eksternim signalom: dxidt=∑jaij(xj−xi)+βiu(t)\frac{dx_i}{dt} = \sum_{j} a_{ij}(x_j – x_i) + \beta_i u(t)dtdxi​​=j∑​aij​(xj​−xi​)+βi​u(t)

U matričnom obliku: x˙=−Lx+Bu\dot{x} = -Lx + Bux˙=−Lx+Bu

gde je:

  • LLL Laplasijan mreže
  • BBB vektor osjetljivosti populacije

3. Optimizaciona formulacija

Ovo je klasični Linear Quadratic Regulator (LQR) problem: J=∫0T(xTQx+uTRu)dtJ = \int_0^T (x^T Q x + u^T R u) dtJ=∫0T​(xTQx+uTRu)dt

Optimalno rešenje: u∗(t)=−R−1BTPx(t)u^*(t) = -R^{-1} B^T P x(t)u∗(t)=−R−1BTPx(t)

gde P rešava Riccati jednačinu: ATP+PA−PBR−1BTP+Q=0A^T P + P A – P B R^{-1} B^T P + Q = 0ATP+PA−PBR−1BTP+Q=0

4. Teorija informacione efikasnosti

Prema Shannonu, kapacitet kanala je: C=Blog⁡2(1+SN)C = B \log_2(1 + \frac{S}{N})C=Blog2​(1+NS​)

Efektivnost informacionog rata zavisi od:

  • Odnosa signal/šum (S/N)
  • Strukture mreže
  • Koeficijenta poverenja

5. Tačka destabilizacije sistema

Sistem postaje nestabilan ako: ρ(A−BR−1BTP)>0\rho(A – BR^{-1}B^T P) > 0ρ(A−BR−1BTP)>0

gde je ρ\rhoρ spektralni radijus matrice.

To znači da mala promena narativa može izazvati eksponencijalnu polarizaciju.

6. Model optimizacije narativa

Neka je narativ vektor u višedimenzionalnom prostoru tema: u=(u1,u2,…,un)u = (u_1, u_2, …, u_n)u=(u1​,u2​,…,un​)

Optimizacioni problem: max⁡uf(u)=wTσ(Wu)\max_{u} f(u) = w^T \sigma(Wu)umax​f(u)=wTσ(Wu)

gde je:

  • σ\sigmaσ logistička funkcija reakcije publike
  • W matrica percepcione težine

7. Teorija igara

Ako postoje dva aktera A i B: max⁡uAmin⁡uBJ(uA,uB)\max_{u_A} \min_{u_B} J(u_A, u_B)uA​max​uB​min​J(uA​,uB​)

Dobijamo Nashovu ravnotežu informacionog konflikta.

8. Entropija kolektivne percepcije

Definišemo informacionu entropiju: H=−∑pilog⁡piH = -\sum p_i \log p_iH=−∑pi​logpi​

Polarizacija smanjuje entropiju sistema, ali povećava nestabilnost.

Ključni doprinos rada

  1. Formalizacija informacionog rata kao LQR problema
  2. Definisanje praga destabilizacije
  3. Integracija Shannonove teorije i mrežne dinamike
  4. Model Nash ravnoteže informacionog konflikta
  5. Uvođenje entropijskog indeksa polarizacije

Foto: Ilustracija/ pixabay

Ako ste propustili