Нейро-нечітка система ANFIS для оцінювання ризику дезінформації в умовах інформаційної війни

Abstract

The article analyses and develops a methodology for using a neuro-fuzzy ANFIS system to assess the risk of disinformation during information warfare. We propose integrating contentbased, network and psychological factors to calculate a single risk indicator (RiskScore) for disinformation spread. The model’s input variables include content characteristics (e.g., truthfulness or emotional tone), network metrics (e.g., propagation speed, reproduction number R₀), and audience psychology (trust level, susceptibility to manipulation, etc.). These variables feed an adaptive fuzzy system that applies a rule-based IF-THEN framework to produce a fuzzy logic risk evaluation. The ANFIS architecture can be trained on limited or synthetic data by tuning rule parameters and membership functions to enhance accuracy. The approach demonstrates an ability to combine heterogeneous factors into a unified metric, enabling early detection of potentially dangerous disinformation campaigns. Combining epidemiological indicators (such as R₀) with contentpsychological features through fuzzy logic improves the informativeness of risk estimates, especially in information-warfare settings. Deploying an ANFIS-based risk-assessment model can help government and defence bodies prioritise counter-disinformation efforts, outperforming traditional linear models, epidemiological SIR models and classical Mamdani fuzzy systems in flexibility. The results provide a foundation for further model development.

Стаття присвячена аналізу та розробці методики нейро-нечіткої системи ANFIS для оцінювання ризику дезінформації в умовах інформаційної війни. Запропоновано інтеграцію контентних, мережевих та психологічних факторів для розрахунку єдиного показника ризику (RiskScore) поширення дезінформації. В рамках моделі як вхідні змінні розглядаються: характеристики контенту (наприклад, правдивість чи емоційна забарвленість повідомлення), мережеві показники (наприклад, швидкість і масштаб розповсюдження, базове число репродукції R₀) та психологічні чинники аудиторії (рівень довіри, сприйнятливість до маніпуляцій тощо). Ці змінні подаються до адаптивної нечіткої системи, де на основі набору правил типу IF-THEN проводиться нечітка логічна оцінка ризику. Архітектура ANFIS дозволяє навчатися на обмежених або синтетичних даних, налаштовуючи параметри правил та функцій приналежності для підвищення точності. Запропонований підхід демонструє здатність об’єднати різнорідні фактори в єдину метричну оцінку ризику, що дає змогу виявляти потенційно небезпечні дезінформаційні кампанії на ранніх стадіях. Показано, що поєднання епідеміологічних показників (таких як базове число репродукції R₀) з контентно-психологічними характеристиками через нечітку логіку підвищує інформативність оцінки ризику, особливо в умовах інформаційних війн. Застосування ANFIS-моделі для оцінки ризику дезінформації може допомогти державним та оборонним структурам пріоритезувати зусилля з протидії інформаційним атакам, перевершуючи за гнучкістю традиційні лінійні моделі, епідеміологічні SIR-моделі та класичні нечіткі системи Мамдані. Результати можуть бути використані для подальшої розробки моделі.