В статье сформулирована комплексная проблема моделирования и прогнозирования развития опасных процессов, формирующихся в самых разнообразных сферах жизнедеятельности современного общества. Разрешение этой проблемы является актуальным и значимым для эффективного функционирования оперативных служб чрезвычайного реагирования при принятии управленческих решений, что, в свою очередь, помогает ускорить ликвидацию чрезвычайных ситуаций, свести к минимуму человеческие жертвы и экономические потери. Представлены два направления решения этой проблемы применительно к сфере реагирования оперативных служб. Оба направления базируются на анализе динамических рядов. Выполнена процедура риск-типологизации территорий Российской Федерации, основанная на количественном анализе трендовых и сезонных компонент динамических рядов количества чрезвычайных ситуаций, реализованных за период 2009–2021 гг. Показано, что трендовые компоненты определяют основную тенденцию изменения количества чрезвычайных ситуаций с течением времени, а сезонная – характеризует вариативность регулярных изменений их динамики. Выделены федеральные округа, на территориях которых формируются похожие сценарии динамики чрезвычайных ситуаций. Рассматриваются вопросы моделирования динамики фишинговых атак в киберпространстве Российской Федерации, решена задача получения прогнозной информации о количестве атак подобного вида. Проведено исследование структуры динамического ряда фишинговых атак на предмет выявления в нём трендовой, сезонной и случайной составляющих. При проведении прогностических оценок фишинговых атак использована нейронная LSTM-модель. Погрешность прогноза, полученного с ее помощью, в среднем не более 6 %. Делается вывод, что рекуррентные нейронные сети могут быть полезными при исследовании и других видов киберпреступлений. Материалы статьи и развиваемые в ней подходы представляют научную значимость для дальнейшего развития системы моделей прогнозирования, позволяющих исследовать сложные взаимодействия при реализации опасных явлений в современном территориальном и информационно-телекоммуникационном пространствах Российской Федерации, а также практическую ценность для аналитических служб Министерства по чрезвычайным ситуациям и Министерства внутренних дел.
The article formulates a complex problem of modeling and forecasting the development of dangerous processes that are formed in the most diverse areas of modern society's life. Solving this problem is relevant and significant for the effective functioning of emergency response services in making management decisions, which, in turn, helps to accelerate the elimination of emergencies and minimize human casualties and economic losses. Two approaches to solving this problem are presented in relation to the response of operational services. Both approaches are based on the analysis of dynamic series. A risk typology of the territories of the Russian Federation has been performed based on the quantitative analysis of the trend and seasonal components of the dynamic series of the number of emergencies that occurred between 2009 and 2021. It has been shown that the trend components determine the main trend of changes in the number of emergencies over time, while the seasonal component characterizes the variability of regular changes in their dynamics. The article highlights the federal districts where similar scenarios of emergency situation dynamics are formed. It discusses the issues of modeling the dynamics of phishing attacks in the cyberspace of the Russian Federation and solves the problem of obtaining predictive information about the number of such attacks. The article examines the structure of the dynamic series of phishing attacks to identify its trend, seasonal, and random components. The article uses a neural LSTM model for predicting phishing attacks. The error in the forecast obtained with its help is on average no more than 6 %. It is concluded that recurrent neural networks can be useful in the study of other types of cybercrimes. The materials of the article and the approaches developed in it are scientifically significant for the further development of a system of forecasting models that allow for the study of complex interactions in the implementation of dangerous phenomena in the modern territorial and information-telecommunication spaces of the Russian Federation, as well as for the analytical services of the Ministry of Emergency Situations and the Ministry of Internal Affairs.
The authors declare that there are no conflicts of interest present.