КІБЕРЛІНГВІСТИЧНА ІДЕНТИФІКАЦІЯ АКТОРА КІБЕРПРОСТОРУ НА ОСНОВІ ІНТЕРФЕРЕНЦІЙНИХ МАРКЕРІВ БІЛІНГВІЗМУ

Анотація

Стаття присвячена введенню та науковому обґрунтуванню поняття кіберлінгвістичної ідентифікації як
методу визначення соціолінгвістичного профілю актора кіберпростору на основі аналізу інтерференційних
маркерів першої мови у його письмових текстах другою мовою. У роботі здійснено критичний аналіз наявних
наукових підходів – Native Language Identification, Author Profiling та судової лінгвістики (forensic linguistics).
Доведено їхню концептуальну та інструментальну недостатність для вирішення задач технічної та кіберрозвідки
внаслідок відсутності цілісної математичної моделі та орієнтації переважно на якісні або вузькоприкладні освітні
оцінки. Запропоновано математичну модель стану білінгвальної мовної особистості як динамічної системи.
Модель формалізує згасання інтенсивності інтерференційних маркерів через систему диференціальних рівнянь
першого порядку з урахуванням індивідуального коефіцієнта інтенсивності навчання, часу мовної адаптації та
нормованої типологічної відстані між мовами. На основі апарату теорії інформації Шеннона, обмеженості
когнітивного ресурсу робочої пам'яті та емпіричних даних обґрунтовано гіпотезу про залишкову інтерференцію:
доведено, що залишкова ентропія маркерів рідної мови принципово не може дорівнювати нулю у скінченний час,
що забезпечує фундаментальну розв'язність задачі ідентифікації. Сформовано векторний простір ознак тексту,
сформульовано байєсівську модель пошуку соціолінгвістичного профілю та визначено межі застосовності методу
як функції обсягу тексту, тривалості адаптації та спорідненості мовної пари. Практичні результати орієнтовані на
інтеграцію в комплекси кіберрозвідки, аналітичні системи OSINT та засоби автоматизованої верифікації джерел
інформації.
Ключові слова: кіберлінгвістична ідентифікація, актор кіберпростору, інтерференційні маркери,
білінгвізм, математична модель, технічна розвідка, кіберрозвідка, лінгвістична відстань, соціолінгвістичний
профіль.

Перелік посилань
1. Goswami D., Thilagan S., North K., Malmasi S., Zampieri M. 2024. Native Language Identification in Texts:
A Survey. In Proceedings of the 2024 Conference of the North American Chapter of the Association for Computational Linguistics: Human Language Technologies (Vol. 1: Long Papers), P. 3149-3160, Mexico City, Mexico. Association for
Computational Linguistics. URL: https://aclanthology.org/2024.naacl-long.173/ https://doi.org/10.18653/v1/2024.naacllong.173.
2. Markov I, Nastase V, Strapparava C. Exploiting native language interference for native language identification.
Natural Language Engineering. 2022. Vol. 28 no. 2. P. 167-197. URL: https://doi.org/10.1017/S1351324920000595.
3. Bevendorff, J. et al. (2023). Overview of PAN 2023: Authorship Verification, Multi-Author Writing Style
Analysis, Profiling Cryptocurrency Influencers, and Trigger Detection: Condensed Lab Overview. In: Experimental IR
Meets Multilinguality, Multimodality, and Interaction (CLEF 2023). Lecture Notes in Computer Science, vol 14187.
Springer, Cham. https://doi.org/10.1007/978-3-031-42448-9_29.
4. Roemling D., Scherrer Y., Miletić A. Explainability of machine learning approaches in forensic linguistics: a
case study in geolinguistic authorship profiling. Proceedings of the 1st Workshop on NLP for AI, Cyber Security and
Forensic Linguistics (NLP4AICS 2024). Bangkok, Thailand: Association for Computational Linguistics, 2024. P. 1–12.
URL: https://doi.org/10.18653/v1/2024.nlp4aics-1.1.
5. Krashen S.D. Principles and Practice in Second Language Acquisition. Oxford: Pergamon Press, 1982. 202 p.
6. Jarvis S., Pavlenko A. Crosslinguistic influence in language and cognition. New York: Routledge, 2008. 264 p.
URL: https://doi.org/10.4324/9780203935927
7. Wichmann S. et al. The ASJP Database (v19). 2020. URL: https://asjp.clld.org
8. Cover T.M., Thomas J.A. Elements of Information Theory. 2nd ed. Wiley, 2006. 748 p.
9. Shannon C.E. A Mathematical Theory of Communication // Bell System Technical Journal. 1948. – Vol. 27. P.
379–423.
10. Baddeley A. Working Memory, Thought, and Action. Oxford University Press, 2007. 412 p.
11. Williams H., Blum I. Defining Second Generation Open-Source Intelligence (OSINT) for the Defense
Enterprise. – RAND Corporation, 2018. URL: https://doi.org/10.7249/RR1964.