ЕФЕКТИВНЕ РОЗПІЗНАВАННЯ ДЕЗІНФОРМАЦІЇ ЗА ДОПОМОГОЮ НЕЙРОННИХ МЕРЕЖ: ФОКУС НА ВИЯВЛЕННІ ЕМОЦІЙНОГО ВПЛИВУ

DOI: 10.31673/2412-4338.2024.024860

Анотація

Дослідження фокусується на вивченні ефективних методів автоматизованого розпізнавання дезінформації, використовуючи передові техніки нейронних мереж та обробки природної мови. Особливий акцент робиться на виявленні емоційного впливу, який часто супроводжує дезінформаційний контент. У роботі застосовано інноваційні підходи до аналізу текстів з метою виявлення прихованих технік маніпулювання емоційним станом аудиторії, які застосовуються поширювачами неправдивої інформації. Результатом дослідження є розробка високоточних систем розпізнавання та категоризації емоційного забарвлення контенту, пов'язаного з дезінформацією. Такі системи здатні ефективно виявляти та фільтрувати потенційно шкідливі матеріали, тим самим посилюючи стійкість інформаційного середовища. Запропоновані рішення можуть стати важливим внеском у боротьбу з поширенням дезінформації та сприяти підвищенню рівня кібербезпеки, забезпечуючи надійність та цілісність інформаційного простору. Отримані результати мають потенціал для вдосконалення засобів протидії дезінформації та зміцнення довіри до інформаційного середовища. Дослідження включає аналіз етичних аспектів застосування нейронних мереж для розпізнавання дезінформації та розробку відповідних стандартів, спрямованих на захист приватності користувачів. Комплексна робота пропонує надійну систему фільтрації та реагування на потенційні дезінформаційні загрози, відкриваючи нові перспективи для підвищення рівня кібербезпеки та забезпечення надійності інформаційного середовища.

Ключові слова: розпізнавання дезінформації; неправдиві новини; методи виявлення неправдивої інформації та фейкових новин в Інтернеті.

Список використаних джерел
1. Сучасні підходи до виявлення та протидії дезінформації в інформаційн - львівська політехніка URL: https://science.lpnu.ua/sites/default/files/journal-paper/2023/nov/32213/10.pdf
2. Метод нейромережевого розпізнавання фальсифікованих зображень URL: http://bionics.nure.ua/article/download/228459/227559/519971
3. Розпізнавання емоцій людини за допомогою згорткової нейронної мереж URL:https://ir.lib.vntu.edu.ua/bitstream/handle/123456789/30837/69737.pdf?isallowed=y&sequence=2
4. Deep learning: основи напряму, інструменти та технології URL: https://foxminded.ua/deep-learning/
5. Нейромережева модель розпізнавання емоцій по зображенню обличчя URL: http://www.tech.vernadskyjournals.in.ua/journals/2019/2_2019/part_1/35.pdf
6. Бахтіна Г.П. Інформатизація суспільства та проблема «кліпового мислення». Київ, 2011. URL: https://kpi.ua/1102-7
7. Денніс А., Моравец П. та Кім А. (2023). Пошук і перевірка: дезінформація та оцінки джерел у результати пошуку в Інтернеті. Системи підтримки прийняття рішень, 171. URL: https://doi.org/10.1016/j.dss.2023.113976
8. Заброда В.Є., Льовкін В.М. Програмне забезпечення розпізнавання неправдивих новин. Free and open source software: Харківська ювілейна міжнародна науково-практична конференція (Харків, 20–22 листопада 2018). - Харків, 2018. С.66.
9. Іванова І., Лисицька О. Постмодернізм як маніпулятивна технологія в сучасній українській рекламі: характеристика художньої домінанти (Стаття). Міжнародний філологічний часопис. Серія: Соціальні комунікації. том. 11, № 1; 2020. С. 108-113. URL: http://dx.doi.org/10.31548/philolog 2020.01.108
10. Кардуні, А. Взаємодія людини та дезінформації: розуміння необхідного міждисциплінарного підходу для комп’ютерної боротьби з неправдивою інформацією. Цифрова бібліотека ACM. URL: https://doi.org/10.1145/1122445.1122456
11. Лісневська А. Дезінформація в новинному відеоконтенті: маркери та методи розпізнавання. Вісник Львівського університету. 2019. № 45. С.60–66.
12. Почепцов Г. (Дез)інформація. Бібліотека ГО "Детектор медіа". За спільною редакцією Н. Лігачової та Г. Петренка / Редакцією М. Олійник. - Київ, 2019. С.248.
13. Растогі, С., і Бансал, Д. (2023). Огляд виявлення фейкових новин 3T: типологія, час виявлення, таксономії. Міжнародний журнал інформаційної безпеки. URL: https://doi.org/10.1007/s10207-022-00625-3
14. Ройтер К., Гартвіг К., Кірхнер Дж. та Шлегель Н. Сприйняття фейкових новин у Німеччині: репрезентативне дослідження ставлення людей і підходів до протидії дезінформації. Wirtschaftsinformatik. 2021, С.54- 61.
15. Сибиряков С. Соціальні медіа як середовище архетипового впливу на масову свідомість. Політичне управління: теорія і практика. 2013. № 1. С. 202– 210.
16. Татарчук Д.О. Інструменти фактчекінгу при виявленні фейкової інформації в соціальних медіа. International scientific and practical conference (Влоцлавек, Польща, 27–28 листопада 2020). Влоцлавек, - 2020. С. 84–86.
17. Lukyanenko R., Maass W., Storey V. C. Trust in artificial intelligence: From a Foundational Trust Framework to emerging research opportunities. Electronic markets. 2022. URL: https://doi.org/10.1007/s12525-022-00605-4
18. Бейбкок М., Бесков & Д. Карлі К.. (2018). Різні обличчя фальші: поширення та Зменшення неправдивої інформації в обговоренні в Твіттері Чорної Пантери. Якість даних та інформації. URL: https://doi.org/10.1145/3339468
19. DataReportal. URL: https://datareportal.com/reports/digital-2024-deep-dive-5-billion-social-media-users?rq=users