Оценка ценности и достоверности получаемой информации, надежности ее источника.

Ценность информации зависит от цели, которую преследует ре­цептор.

Известны несколько способов количественного определения ценно­сти. Все они основаны на представлении о цели, достижению которой способствует полученная информация. Чем в большей мере информация помогает достижению цели, тем более ценной она считается.

1. Если цель наверняка достижима и притом несколькими путями, то возможно определение ценности (V) по уменьшению материаль­ных или временных затрат, благодаря использованию информации. Так, например, сочетание хороших предметного и алфавитного каталогов би­блиотеки, наличие библиографических справочников сокращают время на составление списка литературы по конкретному интересующему нас
вопросу.

Этот метод определения ценности предложен Стратононичем.

2. Если достижение цели не обязательно, но вероятно, то использу­тся один из следующих критериев:

а) мерой ценности, предложенной М. М. Бонгардом и А. А. Харкевичем, является:

где р — вероятность достижения цели до получения информации, а Р — после.

Априорная вероятность р зависит от информационной тары или, что то же, полного количества информации I в (1.2): р = 2^_1

Так, если до получения информации все варианты равновероятны, то р = 1/n(где п — число вариантов, а I = log₂ n).

Апостериорная вероятность Р может быть как больше, так и мень­ше р. В последнем случае ценность отрицательна и такая информация называется дезинформацией. Примером последней может служить ука­затель на разветвлении дорог, который по каким то причинам повернут в другую сторону. Таким образом, вероятность Р находится в пределах О < Р < 1, и, соответственно, -оо < V < V_max

б) мерой ценности, предложенной В. И. Корогодиным, является величина

Она обладает теми же свойствами, что ценность в формуле М. М. Бонгарда и А. А. Харкевича(1), но изменяется от 0 до 1.

Мы далее будем использовать ценность, определенную В. И. Корогодиным(2), по­скольку это удобнее и более популярно.

Согласно (1) ценность информации зависит от величины р – вероятности достижения цели до получения информации, т. е. от того, какой предварительной (априорной) информацией уже располагает ре­цептор. Предварительная осведомленность, называется тезаурусом. Если таковая отсутствует, то априорная вероятность во всех вариантах оди­накова и равна р — 1/п (где п — число вариантов). В этом случае величина р играет роль нормировочного множителя. Если при этом после получения информации цель достигается наверняка (Р = 1), то ценность этой информации максимальна и равна V s= V_max = log₂ п., т.е. совпадает с максимальным количеством информации в данном множестве (в данной таре). Это совпадение не случайно, именно для этого была выбрана форма (1), при этом ценность информации можно понимать как количество ценной информации.

Количество информации, имеющей нулевую ценность, как правило, не мало по сравнению с количеством информации, имеющей хоть какую-то ценность (положительную или отрицательную). Напри­мер, пусть цель — узнать прогноз погоды, а по радио передают, кто выиграл в футбол, кто в теннис и т.д. Для Вас все это имеет нулевую ценность, хотя для другого, возможно, ценна наоборот именно эта информация.

Отсюда следует, что ценность информации субъективна.

Существует информация которая, на первый взгляд, ни для кого и никогда не может стать ценной. Пример: в тексте наборщик переставил буквы так, что текст потерял всякий смысл. Количество информации сохранилось, но ценность его для, кого бы то ни было, стала равна нулю.

Так появляется понятие «осмысленность». В отличие от «ценности» это понятие претендует на объективность, что основано на следующем положении: в информационной таре, куда вмещена данная информация, можно выделить определенное количество информации, которая никогда ни для кого ни для какой цели не понадобится. Тогда эту инфор­мацию называют лишенной смысла;

Объективность критерия основана на утверждениях: «ни для кого, никогда, ни для какой цели». Определение сильное, абсолютное и, как таковое, конечно, не при­менимое к реальности. Так, в приведенном примере можно сказать, что абракадабра, которую сотворил наборщик содержит ценную информацию для психиатра, цель которого — поставить наборщику диагноз. Поэтому утверждение «ни для «его» следует принимать: ни для кого среди людей, которых интересует смысл текста и ничего более. Однако и в этом случае осмысленность текста зависит от тезауруса. Так, например, наборщик на­брал слова «трах-тибидох-тах-тах». На первый взгляд, это бессмыслица, однако люди сведущие знают, что смысл в этих словах есть, поскольку именно с их помощью старик Хоттабыч творил чудеса.

Технологии проверки достоверности мультимедийной оперативно-разыскной информации на основе фильтрации (редукции).

К мультимедийной информации относится текстовая, графическая, аудио и видео оперативно-разыскная информация, представленная в цифровом виде, которая может обрабатываться на компьютере.

В оперативно-разыскной деятельности существенное место занимает проблема получения достоверной мультимедийной информации. Традиционным методом определения достоверности оперативно-разыскной информации является ее получение из различных источников с целью перепроверки. Поскольку других универсальных методов выявления искажения оперативно-разыскной информации на практике не встречается, то существенное значение приобретает решение задачи ее фильтрации (редукции), то есть отделение передаваемых оперативных данных от информационного шума.

При этом для разных видов мультимедийной информации применяются различные информационные технологии редукции.

Редукция аудиовидеозаписей, фотографических изображений и видеозаписей.

Для осуществления фильтрации аудиовидеозаписей, фотографических изображений и видеозаписей с оперативно-разыскной информацией применяются как аппаратные, так и программные фильтры. С их помощью возможно повышение словесной разборчивости оперативных фонограмм, восстановление разборчивости, намеренно искаженных или «закрытых» речевых сообщений, создание условий достоверной идентификации и диагностики субъектов и объектов оперативного интереса, выявление признаков фальсификации получаемой из различных источников акустической, фото, видео информации. Редукция (фильтрация на основе логических методов) текстовой оперативно-разыскной информации на практике реализуется в процессе ввода содержания реквизитов в структурированные базы данных.

В рамках аналитической разведки редукция оперативно-разыскной информации на основе информационных технологий позволяет получить новую неизвестную ранее оперативно-разыскную информацию.

Информационные технологии, применяемые для решения задачи редукции оперативно-разыскной информации, можно классифицировать следующим образом:

- математические методы редукции;

- программно-технические средства решения задачи редукции;

- методики решения задачи редукции в аналитической разведке, основанные на математическом моделировании криминальных процессов.

Математические методы редукции оперативно-разыскной информации.

Математические методы обработки оперативно-разыскной информации, применяемые для решения задачи редукции, приведены в таблице 1.

 

Таблица 1.

Математические методы редукции.

Метод множественного линейного регрессионного анализа позволяет преобразовать информацию, полученную в процессе оперативного наблюдения или оперативного эксперимента как количественные данные, в аналитическую форму в виде математической зависимости.

Методы решения систем линейных уравнений направлены на нахождение решения задачи редукции оперативно-разыскной информации, то есть фактически обеспечивают проведение фильтрации оперативно-разыскной информации, что приводит к уменьшению в ней систематических и случайных ошибок.

Метод линейного математического программирования позволяет решить практические задачи редукции к оперативно-разыскной информации при необходимости находить оптимальные значения целевых функций как математических моделей социальных процессов при наличии ограничениях на их области определений (условий, которые воздействуют на социальные процессы).

Программные средства редукции оперативно-разыскной информации.

Программные средства редукции оперативно-разыскной информации приведены в таблице

Таблица 2.

Программные средства редукции оперативно-разыскной информации

Электронная таблица EXCEL содержит все необходимые функции для нахождения коэффициентов и свободного члена множественных линейных регрессионных уравнений и решения систем линейных уравнений.

Как альтернатива для построения множественных линейных регрессионных уравнений в решении задачи редукции оперативно-разыскной информации находит применение программа обработки статистических данных SPSS, причем в некоторых случаях эта программа эффективнее электронной таблицы EXСEL. Программа SPSS является международным стандартом в области обработки информации статистическими методами.

Программа математической обработки данных MATHCAD также является международным стандартом в области решения математических задач на компьютере и предназначена в рамках решения задачи редукции оперативно-разыскной информации для нахождения решения систем линейных уравнений и задач линейного математического программирования.

Моделирование как технологическая основа разработки методик редукции оперативно-разыскной информации.

Для решения конкретных задач с применением методов и программно-технических средств редукции оперативно-разыскной информации применяются частные методики аналитической разведке, основанные на математическом моделировании криминальных процессов. Математическое моделирование как метод познания состоит из трех этапов.

На первом из них осуществляется постановка задачи моделирования в конкретной предметной области на качественном уровне, причем конечным результатом должно быть определено, что необходимо найти и должны быть заданы исходные количественные данные.

На втором этапе осуществляется собственно моделирование, которое заключается в получение математических зависимостей, отражающих исследуемые процессы в предметной области, решения модельных задач, и проверка формальной адекватности математических методов и условий, накладываемых на их решении.

На третьем заключительном этапе полученные результаты моделирования интерпретируются обратно в предметную область и используются для решения конкретных задач в данной области; при этом обязательным является проверка фактической адекватности результатов моделирования в соответствии с критерием необходимости соответствия теории и практики.