ГИБРИДНАЯ МНОГОУРОВНЕВАЯ СИСТЕМА НА БАЗЕ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА ДЛЯ ПРОТИВОДЕЙСТВИЯ ДЕЗИНФОРМАЦИИ В УСЛОВИЯХ ЧРЕЗВЫЧАЙНЫХ СИТУАЦИЙ

Во время паводков 2024 года, охвативших несколько областей Казахстана, мессенджеры и социальные сети заполнила волна непроверенных сообщений: ложные сведения о прорывах плотин, завышенные данные о жертвах и откровенные фейки распространялись быстрее официальных сводок и дезорганизовывали работу оперативных штабов. Настоящая работа посвящена разработке системы CrisisStack, способной отличать достоверные сообщения от недостоверных в режиме реального времени. В основе архитектуры - трёхуровневый конвейер: мультиязычный энкодер LaBSE формирует единое векторное представление текста, одномерные свёрточные сети выявляют локальные маркеры манипуляции, двунаправленная LSTM в связке с механизмом самовнимания анализирует контекст сообщения целиком, а мультиагентный протокол сопоставляет предсказание нейросети с данными внешних источников. Обучение проводилось на объединённом корпусе из 35 281 записи открытых наборов WELFake и CrisisMMD с применением смешанной точности. На тестовой выборке из 3 711 записей архитектура достигла Accuracy = 84,9 % и F1 = 0,846, превзойдя базовые модели mBERT (F1 = 0,735) и LaBSE с линейным классификатором (F1 = 0,806). 
Исследование методом последовательного исключения показало, что слой внимания вносит наибольший вклад среди компонентов каскада. Перенос модели на казахско-русские тексты без дообучения не достигнут: на открытой выборке аннотированного корпуса zero-shot точность составила 47,3 %, что зафиксировано как ключевое ограничение и определяет направление дальнейшей работы. Протокол верификации проверен в условиях программной имитации внешних источников; время отклика полного конвейера на ускорителе Tesla T4 составило 16,9 ± 1,7 мс.