ГОСТ Р 57272.7—2016
5 Примеры методов обработки данных о риске
В настоящем разделе приведены примеры методов сбора информации о новых видах риска, их
мониторинге ианализе поступающей информации, связанной с риском.
Основу раздела составляют примеры методов, представленных в [1].
5.1 Программное средство RiskEars
RiskEars представляетсобой сложноорганизованную системуобработкиданных, поступающихот
соответствующих экспертов в различных областях. RiskEars представляет собой базу данных, органи
зованную для сбора и мониторинга ранних данных об опасностях. Программное средство RiskEars
позволяет следитьза развитиемнового риска, начинаяотранних стадийдо стадии, на которойрискста
новится известным риском.
RiskEars позволяетнакапливатьданные оновом рискеизразличныхисточников, обычно от людей
иУили организаций (например, мнения профессионалов о возможных источниках новых опасностей).
Данные, подтверждающие появление нового риска, позволяютопределить сценарий развития риска.
5.2 Метод RiskTweet
Метод RiskTweet предназначендля работы с твитами (tweet (англ) — щебет, чириканье) — корот
кими сообщениями, переданными через социальную интернет-сеть. Твиты рассматривают как индика
торы ключевых тем в обществе. С помощью метода RiskTweet можно отследить количество твитов в
день (месяц), имеющих отношение к определенной теме, географию пользователей и другие детали,
включая перекрестные ссылки на другие источники информации. Метод позволяет проводить анализ
актуальности информации иотслеживать появление ранних данныхо риске.
Метод RiskTweet отслеживает информацию на основе следующиххарактеристик:
- активностьобсуждения пользователями;
- тренд.
- критичность.
Ежедневно подсчитывают количество твитов, содержащих ключевое слово (являющееся меткой
определенной темы обсуждения), и сравнивают его со средним количеством сообщений, поступающих
за день. В зависимости от результатов сравнения показатель активности обсуждения пользователями
принимает значение от минус 1 до плюс 1.
При этом:
минус 1 — небывало низкая активность пользователей;
0 — средняя активностьпользователей;
плюс 1— небывало высокая активностьпользователей.
Для определения тренда используют индикатор MACD (Moving Average Convergence/
Divergence — схождение/расхождениескользящихсредних)длянормированныхвременныхрядовдан
ных (см. рисунок 1).
Сигнальная линия (для рассматриваемого
случая • объем твитов) i
MACD - эго разность между быстрым
и медленным скользящим средним
Рисунок 1 — Графическое представление MACD
9