Курс

5 ECTS (150 годин)

● 30 годин лекцій
● 20 годин семінарів
● 100 годин завдань для самостійного навчання

Опис

Опанування принципів використання математичних та комп'ютерних методів у завданнях інформаційної війни. Отримання знань та навичок, необхідних для успішної боротьби з інформаційними атаками. Кінцевою метою цього курсу є отримання та розвиток знань про комплексну систему, яка використовує програмні засоби для оцінки динаміки внутрішнього конфлікту з використанням парадигми інформаційної війни.

Викладачі, розробники

Анатолій Нікітін, Богдан Красюк, Алла Атаманенко, Іван Шишкін, Катерина Якуніна

Підтримка

Свайонė Бекешєнє, проф. (Військова академія імені генерала Йонаса Земайтіса, Литва) та Ярослав Чабанюк, проф. (Люблінський технологічний університет, Польща)

Теми лекцій:

Модуль 1

Лекція 1: Європейська інтеграція та шлях України до ЄС

Історичний контекст розширення ЄС та європейські прагнення України. Ключові віхи: Угода про асоціацію, лібералізація візового режиму та статус кандидата в члени ЄС. Виклики та можливості процесу вступу України до ЄС. Вплив війни на інтеграцію України до ЄС.

Лекція 2: Політика безпеки ЄС та роль України в європейській оборонній архітектурі

Спільна політика безпеки та оборони ЄС (СПБО). Гібридні загрози та кібербезпека: уроки з досвіду України. Роль України у зміцненні європейської безпеки.

Лекція 3: Економічні виклики та можливості у відносинах між ЄС та Україною

Торговельна та економічна інтеграція в рамках поглибленої та всеосяжної зони вільної торгівлі (ПВЗВТ). Роль фінансової та гуманітарної допомоги ЄС у відновленні України. Стратегії відбудови та інвестиційні можливості в післявоєнній Україні.

Лекція 4: Демократія, верховенство права та реформи врядування в Україні

Копенгагенські критерії ЄС та прогрес України в реформах. Антикорупційні заходи та судові реформи: досягнення та виклики. Децентралізація та місцеве врядування в Україні: уроки з практики ЄС. Роль громадянського суспільства у просуванні демократичних цінностей.

Лекція 5: Підхід ЄС до гібридної війни та досвід України у протидії дезінформації

Стратегічна комунікація ЄС та реагування на гібридні загрози. Російська дезінформація та операції з впливу в Україні та ЄС. Досвід України у протидії інформаційній війні: успіхи та виклики. Рекомендації щодо політики для зміцнення співпраці між ЄС та Україною в інформаційному просторі.

Модуль 2

Лекція 1: Вступ до математичного моделювання

Основи математичних моделей: цілі та підходи. Огляд прикладних проблем інформаційної війни. Python як інструмент моделювання: огляд основних бібліотек (NumPy, SciPy, Matplotlib).

Лекція 2: Основи моделювання динамічних систем

Диференціальні рівняння як основа моделей: Лотки-Вольтерри, Гомперца. Приклади моделей: інформаційна війна, поширення епідемії. Реалізація моделей динамічних систем у Python.

Лекція 3: Стохастичні процеси та випадкові збурення

Вступ до теорії ймовірностей та стохастичних систем. Марківські процеси, стохастичні диференціальні рівняння. Розв’язання стохастичних систем у Python за допомогою NumPy.

Лекція 4: Асимптотичний аналіз стохастичних систем

Усереднення, дифузійне наближення, пуассонівське наближення. Приклади дифузійних моделей. Оптимізація обчислень для довгострокових симуляцій.

Лекція 5: Оптимізація обчислень у Python

Профілювання та оптимізація коду. Використання NumPy для ефективної роботи з великими наборами даних. Векторизація обчислень та паралельна обробка.

Лекція 6: Візуалізація результатів моделювання

Візуалізація даних за допомогою Matplotlib і Plotly. Побудова динамічних графіків для візуалізації стохастичних процесів. Аналіз і інтерпретація результатів.

Лекція 7: Моделювання інформаційної війни

Аналіз моделей інформаційної війни. Реалізація алгоритму Лотка-Вольтера для декількох типів інформаційних загроз. Візуалізація динаміки конкуренції інформаційних потоків.

Лекція 8: Розробка системи підтримки прийняття рішень

Архітектура SPPR для моделювання інформаційних конфліктів. Взаємодія фронтенду та бекенду (ReactJS + Python). API для розрахунків та динамічного налаштування параметрів.

Лекція 9: Використання сучасних бібліотек для моделювання

Огляд Scipy та SimPy для системного моделювання. TensorFlow та PyTorch для моделювання складних динамічних систем. Порівняння готових рішень з самостійно написаними алгоритмами.

Лекція 10: Практичні аспекти та реальні приклади

Статистичний аналіз даних та моделювання на основі реальних зразків. Тестування моделі інформаційної війни для конкретних сценаріїв. Оптимізація моделей для інтерактивної роботи.

Теми лабораторних занять:

Лабораторія 1: Вступ до Python для математичного моделювання

Налаштування середовища Python (Jupyter Notebook, PyCharm). Робота з бібліотеками NumPy та Matplotlib. Написання базових програм для розв’язання алгебраїчних задач.

Лабораторна робота 2: Розв’язання диференціальних рівнянь

Реалізація моделей Лотки-Вольтерри в Python. Використання бібліотеки SciPy для розв’язання звичайних диференціальних рівнянь. Візуалізація отриманих траєкторій.

Лабораторна робота 3: Моделювання випадкових процесів

Генерація випадкових чисел і процесів в Python. Реалізація простого марковського процесу. Моделювання стохастичних диференціальних рівнянь за допомогою бібліотеки NumPy.

Лабораторна робота 4: Побудова та тестування моделей інформаційної війни

Реалізація алгоритму конкуренції для двох інформаційних потоків. Тестування моделі для різних параметрів поширення інформації. Аналіз впливу «зовнішніх» та «внутрішніх» каналів.

Лабораторна робота 5: Оптимізація обчислень

Використання профілювання (модуль cProfile) для аналізу продуктивності програми. Векторизація обчислень за допомогою NumPy. Оптимізація циклів та операцій з великими матрицями.

Лабораторна робота 6: Використання схем апроксимації

Реалізація схем усереднення для динамічних систем. Апроксимація дифузії та її програмна реалізація. Аналіз точності апроксимації залежно від параметрів.

Лабораторна робота 7: Побудова програмного інтерфейсу для моделювання

Використання Flask для створення бекенду. Налаштування API для обчислень. Розробка веб-додатку для візуалізації результатів моделювання.

Лабораторна робота 8: Робота з великими наборами даних

Обробка та аналіз великих наборів даних (популярність у соціальних мережах, поведінка користувачів). Використання бібліотек Pandas для роботи з табличними даними. Інтеграція статистичних даних у модель інформаційної війни.

Лабораторна робота 9: Тестування та валідація моделі

Методи тестування моделі: використання контрольних наборів даних. Порівняння моделей з теоретичними результатами. Налаштування параметрів для підвищення точності прогнозування.

Лабораторна робота 10: Створення інтерактивного звіту

Використання Jupyter Notebook для інтеграції коду, графіків та тексту. Створення інтерактивних графіків за допомогою Plotly. Автоматичне генерування звітів з результатами моделювання.