Використання рекурентних нейронних мереж для аналізу тексту на предмет інформаційно-психологічних операцій в інтернеті : кваліфікаційна (бакалаврська) робота

Abstract

Кваліфікаційна робота на тему «Використання рекурентних нейронних мереж для аналізу тексту на предмет інформаційно-психологічних операцій в інтернеті» на здобуття першого (бакалаврського) рівня вищої освіти за спеціальністю 125 Кібербезпека, освітньою програмою: Кібербезпека, містить 10 рисунків, 2 таблиці, 2 додатки, 22 літературних джерел за переліком посилань. Робота виконана на 79 сторінках загального тексту та 48 сторінках основного тексту. Кваліфікаційна робота присвчена автоматичному виявленню інформаційнопсихологічних операцій (ІПСО) в інтернет-текстах. Основною метою роботи є розробка та тестування рекурентної нейронної мережі (РНМ) на базі LSTM для бінарної класифікації текстів. У рамках роботи проаналізовано особливості ІПСО та існуючі ШІ-підходи до їх виявлення, а також вивчено основи обробки природної мови (НЛП) та архітектури РНМ. Розроблено методику передобробки даних та реалізовано LSTMмодель, яка інтегрує текстові вектори та показник надійності джерела. Створено механізм для динамічного оновлення цього показника в базі даних SQLite. Модель навчено на підготовленому наборі даних, а її ефективність оцінено за стандартними метриками. Розроблено програмний інтерфейс для взаємодії моделі із зовнішніми системами, зокрема, для інтеграції з Telegram-ботом, розробленим у рамках суміжного проекту. Практична цінність роботи полягає у створенні функціонального прототипу нейромережевого класифікатора ІПСО, який враховує репутацію джерела, слугуючи основою для систем моніторингу інформаційного простору.

Qualification Paper on the topic "Using Recurrent Neural Networks for Text Analysis for Information-Psychological Operations on the Internet" for obtaining the first (bachelor's) level of higher education in specialty 125 Cybersecurity, educational program: Cybersecurity, includes 10 figures, 2 tables, 2 appendices, and 22 literary sources in the list of references. The paper comprises 79 pages of general text and 48 pages of main text. The qualification paper is dedicated to the automatic detection of informationpsychological operations (IPSO) in internet texts. The main goal of the work is the development and testing of a recurrent neural network (RNN) based on LSTM for binary text classification. The work analyzed the peculiarities of IPSO and existing AI approaches to their detection, as well as studied the fundamentals of natural language processing (NLP) and RNN architectures. A data preprocessing methodology was developed, and an LSTM model was implemented that integrates text vectors and a source reliability indicator. A mechanism for dynamically updating this indicator in an SQLite database was created. The model was trained on a prepared dataset, and its effectiveness was evaluated using standard metrics. A software interface was developed for the model's interaction with external systems, specifically for integration with a Telegram bot developed as part of a related project. The practical value of the work lies in creating a functional prototype of an IPSO neural network classifier that considers source reputation, serving as a basis for information space monitoring systems.