Координированные информационные воздействия в социальных сетях: оптимальное число агентов влияния и защитный эффект алгоритмов ранжирования

Автор(ы): Гежа В.Н., Залесская О.Ю., Козицин И.В.

Выпуск: 121

Рубрика: Управление в социально-экономических системах

Год: 2026

Библиография: Гежа В.Н., Залесская О.Ю., Козицин И.В. Координированные информационные воздействия в социальных сетях: оптимальное число агентов влияния и защитный эффект алгоритмов ранжирования // Управление большими системами. - 2026. - Вып. 121. - С.227-246.

Дата опубликования: 31.05.2026

Ключевые слова: координированные информационные атаки, ИИ-агенты, SCARDO-модель, приближение среднего поля, оптимальное управление, модулярные сети, алгоритмы персонализации

Аннотация: Рассматривается задача управления мнениями агентов при помощи координированных информационных воздействий со стороны социальных ботов, погруженных в социальную систему. Модель управления основана на приближении среднего поля для SCARDO-модели и учитывает гетерогенность популяции аутентичных агентов, модулярность социальной сети, а также штрафы за слишком частое применение ботов, налагаемые самой платформой. Вычислительные эксперименты показали, что алгоритмы ранжирования, минимизирующие взаимодействия между похожими агентами, способствуют достижению поставленной субъектом управления цели. Таким образом, для повышения устойчивости социальной сети можно использовать алгоритмы ранжирования, напротив, способствующие образованию информационных пузырей – последние являются "щитом" против внешних воздействий. Также мы смогли определить оптимальное количество ботов, обеспечивающее наилучшее значение целевого функционала – порядка 30% от общего числа агентов, что согласуется с эмпирическими оценками численности ботов в реальных онлайн платформах, а также аналитическими оценками эффективного числа ботов, обеспечивающего рост кооперативного поведения в популяции.

Author(s): Gezha V., Zalesskaia O., Kozitsin I.

Article title: Coordinated information attacks in social networks: the optimal number of bots and protective power of ranking algorithms

Issue: 121

Year: 2026

Keywords: coordinated influence, AI-agents, SCARDO model, mean-field approximation, optimal control, modular networks, ranking algorithms

Abstract: This paper concerns the problem of influencing agent opinions through coordinated informational attack by social bots embedded in a social network. Our mathematical framework is based on a mean-field approximation for the SCARDO model and regards the heterogeneity of authentic agents, the modularity of the social network, and penalties for excessive use of bots imposed by the platform itself. Computational experiments show that ranking algorithms that minimize interactions between similar agents facilitate the achievement of the Botmaster's goal. Thus, to improve the stability of a social network, one may use ranking algorithms that, by contrast, promote the formation of information cocoons, which act as a "shield" against peer influences. We also determine the optimal number of bots ensuring the best value of the objective functional - approximately 30 percent of the total number of agents. This finding is consistent with empirical estimates of the number of bots on real online platforms, as well as analytical estimates of the effective number of bots optimizing cooperative behavior in the population.