САНДЫҚ МЕДИАДАҒЫ АҚПАРАТТЫҚ ОПЕРАЦИЯЛАРДЫ АНЫҚТАУ ОНТОЛОГИЯСЫНЫҢ ТҰЖЫРЫМДАМАЛЫҚ МОДЕЛІ

Дезинформация ауқымының, когнитивті манипуляциялардың және цифрлық медиадағы Үйлестірілген ақпараттық науқандардың қарқынды өсуі жағдайында ақпараттық операцияларды анықтау және талдау үшін Интеллектуалды әдістерді әзірлеу қажеттілігі туындайды. Бұл жұмыста ақпараттық әсер ету механизмдерін жүйелі түрде зерттеу үшін көп тілді аннотацияланған корпусты, білімнің онтологиялық базасын және білімнің семантикалық графигін біріктіретін тұжырымдамалық модель ұсынылады.
Зерттеу әдістемесі Telegram арналарынан, жаңалықтар порталдарынан және әлеуметтік желілерден жиналған хабарламалардан тұратын арнайы корпус құруды қамтиды. Деректер label Studio платформасын қолдана отырып, көп деңгейлі аннотациядан өтеді, мұнда сарапшылар негізгі нысандарды, соның ішінде әскери терминдерді, мақсатты аудиторияларды, дереккөздерді, актерлерді және эмоционалды бағалауды қолмен белгілейді. Аннотацияланған корпус OWL-де рәсімделген және mil_term әскери тезаурусымен байытылған доменнің онтологиясына семантикалық түрде сәйкес келеді, бұл терминологияның дәйектілігін және көптілді аналитиканы қолдауды қамтамасыз етеді.
Онтологиялық модель субъектілер, оқиғалар, тактика және әңгімелер арасындағы байланысты көрсететін білімнің RDF графигіне айналады. Жасырын заңдылықтарды анықтау үшін swrl ережелері қолданылады, ал SPARQL әзірлеген сұраулар күрделі аналитикалық заңдылықтарды, соның ішінде "актор – тактика – әңгіме – аудитория" тізбегін алуға мүмкіндік береді. Ұсынылған тәсіл ақпараттық ағындарды кешенді талдауға, қауіптерді ерте анықтауға және аналитикалық сценарийлерді құруға негіз болады, бұл оны көп тілді цифрлық ортадағы ақпараттық операцияларды зерттеуге және бақылауға қолдануға мүмкіндік береді.

1. Abdali S. Multi-modal misinformation detection: Approaches, challenges and opportunities / S. Abdali, S. Shaham, B. Krishnamachari // ACM Computing Surveys. – 2024. – Vol. 57, № 3. – P. 1-29.

2. From Virality to veracity / J. Rieskamp et al // Examining False Information on Telegram vs. Twitter. – 2024.

3. Zhao J. et al. Research on domain ontology construction based on the content features of online rumors. – 2024. – Vol. 14, № 1. – P. 12134.

4. Detecting propaganda techniques in code-switched social media text / M.U. Salman et al // arXiv preprint arXiv:2305.14534. – 2023.

5. Alghamdi J. Fake news detection in low-resource languages: A novel hybrid summarization approach / J. Alghamdi, Y. Lin, S. Luo // Knowledge-based Systems. – 2024. – Vol. 296. – P. 111884.

6. The influence Operation Ontology (IOO) / A.D.C. Tudela et al // arXiv preprint arXiv:2503.07304. – 2025.

7. A common core-based cyber ontology in support of cross-domain situational awareness / B. Donohue et al // ground/air multisensor interoperability, integration, and networking for persistent ISR IX. – SPIE, 2018. – Vol. 10635. – P. 65-74.

8. Partridge C. digitalizing uncertain Information / C. Partridge, A. Mitchell, A. Cola //arXiv preprint arXiv:2507.21173. – 2025.

9. SOK: Come together–unifying Security, Information Theory, and cognition for a Mixed Reality deception attack Ontology & Analysis Framework / A. Teymourian et al // arXiv preprint arXiv:2502.09763. – 2025.

10. Zhang L., Lobov A. Semantic web rule language-based approach for implementing knowledgebased engineering systems. – 2024. – Vol. 62. – P. 102587.

11. Languages and systems for RDF stream processing, a survey / P. Bonte et al // The VLDB Journal. – 2025. – Vol. 34, № 4. – P. 50.