Details

Целью работы является разработка и экспериментальные исследования многоагентной системы на основе больших языковых моделей (БЯМ), реализующей четыре операционных контура (ASSESSMENT, COUNTER, OFFENSIVE, SIMULATION) и обеспечивающей автоматизированный анализ информационного поля государства, выявление уязвимостей институтов принятия решений к воздействию информационно-психологических операций (ИПО) и формирование рекомендаций по нейтрализации выявленных угроз. Объектом исследования является информационное поле открытых цифровых платформ как среда реализации ИПО. Предметом исследования выступают методы и архитектурные подходы к построению многоагентных систем поддержки принятия решений в интересах противодействия информационно-психологическим операциям. Методологическую основу работы составили современные зарубежные и отечественные исследования в области информационного противоборства, стратегических коммуникаций, рефлексивного управления и анализа иностранного вмешательства в информационное поле государств. В качестве операционной методики анализа целевой аудитории применялась методология TAAWS (FM 33-1-1), адаптированная к задачам выявления информационных уязвимостей. В области промпт-инжиниринга применялись техники цепочки рассуждений (CoT), ролевое промптирование, а также авторская техника анти-шаблонного предписания, препятствующая генерации шаблонных ответов моделями. Также были изучены работы, посвящённые применению генеративных языковых моделей для активного противодействия информационно-психологическим операциям. В результате, была разработана система поддержки принятия решений с четырьмя операционными режимами работы, осуществляющая сбор и агрегацию информационных потоков из гетерогенных источников, оценку уязвимостей институтов принятия решений к ИПО-воздействию и формирование рекомендаций по нейтрализации выявленных угроз. Система протестирована на сценариях информационного поля Австралии, Аргентины и Германии; расчётная стоимость одной шестираундовой симуляции на пресете BALANCED составила около $0,07. Экспериментальные исследования на симулированных сценариях подтвердили применимость многоагентного подхода к задачам информационно-психологической защиты. Полученные результаты могут быть использованы государственными структурами и аналитическими центрами при проектировании систем мониторинга информационного поля и противодействия ИПО. Для достижения данных результатов использовались следующие информационные технологии и программные средства: клиентское приложение на платформе Electron 28 с визуализацией D3.js v7, серверный координатор на Python 3.12, платформа автоматизации рабочих процессов n8n, большие языковые модели Claude Sonnet 4.6 и Claude Haiku 4.5 (Anthropic), DeepSeek v4-pro, языковая модель Grok-4.

The purpose of this study is the development and evaluation of a multi-agent large language model (LLM)-based system implementing four operational modes (ASSESSMENT, COUNTER, OFFENSIVE, SIMULATION) and providing automated analysis of a states information field, identification of decision-making institution vulnerabilities to information-psychological operation (IPO) exploitation, and generation of recommendations for neutralizing identified threats. The object of study is the information field of open digital platforms as the environment of IPO activity. The subject encompasses methods and architectural approaches to building multi-agent decision support systems for countering information-psychological operations. The methodological foundation draws on contemporary international and domestic research in the fields of information confrontation, strategic communications, reflexive control, and analysis of foreign interference in state information environments. The TAAWS framework (FM 33-1-1) was applied as an operational target audience analysis methodology adapted to information vulnerability detection. Prompt engineering techniques employed include Chain-of-Thought (CoT) reasoning, role prompting, and the original anti-template mandate technique that prevents generative models from producing formulaic responses. Additionally, studies on the application of generative language models for active information-psychological operation countermeasures were examined. The work resulted in a functioning four-mode decision support system that collects and aggregates information flows from heterogeneous sources, assesses decision-making institution vulnerabilities to IPO exploitation, and generates recommendations for neutralizing identified threats. The system was tested on scenarios for Australia, Argentina, and Germany; the estimated cost of one 6-round simulation on the BALANCED preset is approximately $0.07. Testing on simulated IPO scenarios confirmed the applicability of the multi-agent approach to information-psychological defense tasks. The results can be applied by government bodies and analytical centers when designing information field monitoring and IPO countermeasure systems. To achieve these results, the following information technologies and software tools were used: Electron 28 desktop client with D3.js v7 visualization, Python 3.12 server coordinator, n8n workflow automation platform, Claude Sonnet 4.6 and Claude Haiku 4.5 large language models (Anthropic), DeepSeek v4-pro and DeepSeek v4-flash models, Grok-4 language model.