2.7 Vztah ke Decision Engine a Color Teams
Tato kapitola dokumentuje operační most mezi taxonomií epistemické anihilace a Decision Engine Prismatic Platform. Zatímco kapitola 2.6 Vztah ke NABLA Infinity tematizuje epistemickou infrastrukturu (jak se formují přesvědčení), tato kapitola tematizuje rozhodovací vrstvu (jak se z přesvědčení stávají konsekventní akce). Decision Engine je vrstvou, kde taxonomie EA získává přímou operační relevanci v due-diligence procesech, intelligence assessmentech a strategickém rozhodování.
Decision Engine: architektura a doktrína
Decision Engine je 10-stage deterministická pipeline operující nad NABLA-konformními přesvědčenými. Pipeline transformuje strukturovaný vstup (text, aktéři, evidence) na rozhodnutelný výstup (verdikt, doporučení, dossier nejistoty). Stages:
- Normalize — kanonizace vstupu, strip metadata
- Signals — extrakce signálů
- Sources — atribuce zdrojů (NABLA Axiom 7)
- Anomalies — identifikace anomálií, deviací z baseline
- Actors — modeling aktérů, jejich incentiv a behavioral profilů
- Score — kvantitativní confidence scoring
- Uncertainty — explicitní decomposition epistemické a aleatorické nejistoty
- Hypotheses — formace multiple paralelních hypotéz s falsifikačními kritérii
- Recommend — doporučení akce s podmíněnými variantami
- Explain — generování vysvětlitelné reasoning trace
Každý stage je auditovatelný — výstup obsahuje plnou traceability nazpět ke vstupním signálům. Tato traceabilita je strukturní obrana proti EA-1.3.3 Tematické diverzi: rozhodnutí musí být dohledatelné na konkrétní evidenci, nikoli "vyplynou z celkového dojmu".
Confidence Calibration jako defenzivní mechanismus
Confidence calibration je strukturní obrana proti dvěma kategoriím útoků:
Obrana proti false certainty
Decision Engine vynucuje explicitní confidence skóre na každém klíčovém výstupu. Score je dekomponováno na:
- Epistemická nejistota — neurčitost vyplývající z omezené evidence (lze redukovat sběrem dat)
- Aleatorická nejistota — neurčitost vyplývající z inherentní stochasticity procesu (nelze redukovat dalším sběrem)
Toto rozlišení je strukturně klíčové: subjekty zranitelné vůči manipulaci typicky kompresují obě nejistoty do jednoho skóre, což otvírá prostor pro útoky exploitující mezeru. Decision Engine udržuje obě explicitně oddělené.
Obrana proti analysis paralysis
Confidence score je monotónní akumulační funkce evidence. Pokud evidence dosáhne kalibrované thresholdové hodnoty (typicky 0.95 pro kritická rozhodnutí), systém přechází z exploration phase do execution phase. Tento mechanismus předchází EA-1.3.1 Imunizaci proti falsifikaci v opačném směru: subjekt nemůže donekonečna odkládat rozhodnutí požadováním "ještě více evidence".
Brier Score a kalibrační loop
Decision Engine kontinuálně monitoruje Brier score — kvadratickou odchylku predikované konfidence od realizovaného výsledku. Brier score umožňuje detekci systematických miscalibrations — situací, kdy systém je systematicky příliš sebejistý nebo příliš nejistý. Tento feedback loop neutralizuje EA-1.3.2 Strategickou reinterpretaci — konfidenční tvrzení nelze zpětně reinterpretovat, jsou kontinuálně testována proti realitě.
Hypotheses + Falsifikační kritéria
Stage 8 (Hypotheses) je strukturní obrana proti EA-1.3.1 Imunizaci proti falsifikaci. Mechanismus:
- Pro každé klíčové rozhodnutí systém generuje multiple paralelní hypotézy (minimálně tři: dominantní, kompetitivní, null-hypotéza)
- Pro každou hypotézu jsou explicitně formulována falsifikační kritéria — observabilní události, jež by hypotézu vyvrátily
- Sběr evidence je prospektivně testován proti falsifikačním kritériím — nikoli retrospektivně přizpůsobován dominantní hypotéze
Tento mechanismus operacionalizuje Popperovský princip: vědecká (a tudíž epistemicky robustní) hypotéza musí specifikovat podmínky vlastního vyvrácení. Subjekty zranitelné vůči EA-1.3.1 dramaticky této operaci selhávají — jejich přesvědčení nemá specifikované podmínky, za nichž by je opustily.
Source Diversity Enforcement
Stage 3 (Sources) implementuje strukturní obranu proti EA-1.1.1 Selektivní expozici:
- Source plurality requirement — minimum 2 nezávislé zdroje (NABLA Axiom 1)
- Independence verification — explicitní test, zda zdroje sdílejí společný origin (NABLA Axiom 6)
- Diversity scoring — kvantitativní metrika diverzity (typologie, geografická distribuce, methodologie)
Source diversity je kritický mechanismus v due-diligence kontextech. Manipulativní aktéři často exploitují iluzorní pluralitu — desítky článků reflektujících jediný source. Decision Engine eksplicitně tuto iluzi prokopává: deset článků sdílejících press release počítá jako jeden signál, nikoli deset.
Audit Log a Provenance Chain
Audit log je strukturální obrana proti EA-1.3.3 Tematické diverzi. Každé rozhodnutí má plnou provenance chain — neporušený řetěz odkazů na evidenci, inferenční pravidla a raw data, jež k němu vedly.
Provenance chain umožňuje:
- Audit — externí reviewer může každé rozhodnutí vystopovat zpět ke zdrojovým datům
- Debugging — když je rozhodnutí špatné, provenance identifikuje, který krok selhal
- Accountability — provenance establishes, kdo (či který agent) produkoval každou komponentu reasoning chain
- Resistance to retroactive manipulation — historie rozhodnutí je strukturně chráněna proti zpětné úpravě
Color Teams: adversariální testování v provozu
Color Teams operují jako strukturální adversariální vrstva Prismatic Platform. Šest týmů (Gray, Red, Blue, Purple, White, Black) testuje robustnost Decision Engine vůči taxonomicky popsaným útokům kontinuálně, v isolovaném sandbox prostředí, výhradně na syntetických datech.
Mapování Color Teams na EA-taxonomii
| Tým | Operační role | Vztah k taxonomii |
|---|---|---|
| Gray Team | Boundary exploration | Identifikuje mezery v specifikaci, kde mohou útoky proklouznout |
| Red Team | Adversarial simulation | Implementuje konkrétní EA-techniky proti systému |
| Blue Team | Epistemic defense | Udržuje obrany, syntetizuje signály pod NABLA constraints |
| Purple Team | Synthesis & closure | Mapuje Red findings na Blue defenses, certifikuje closure |
| White Team | Constructive verification | Formálně verifikuje (Lean4) defenzivní invariantní vlastnosti |
| Black Team | Theoretical threat modeling | Modeluje teoretické worst-case útoky, včetně dosud nepozorovaných |
Red Team útočné primitives
Red Team operuje s pěti definovanými útočnými primitives, jež strukturně korespondují s kategoriemi EA-taxonomie:
| Red primitive | EA kategorie | Mechanismus |
|---|---|---|
| Truth Distortion | EA-1.x.x (informační) | Vstup falešných tvrzení s vysokou plauzibilitou |
| Confidence Manipulation | EA-1.3.x (inferenční) | Atak na confidence calibration |
| Signal Poisoning | EA-1.1.x (akviziční) | Kontaminace zdrojových signálů |
| Drift Induction | Long-term EA | Sub-threshold akumulace, jež se eventuálně manifestuje jako shift |
| Salience Hijacking | EA-1.4.x, 1.3.3 | Manipulace s tím, co subjekt považuje za důležité |
Red Team scenario taxonomie obsahuje 329 entries organizovaných podle attack primitive, target subsystem a complexity level. Každý scénář obsahuje preconditions, execution steps, expected indicators a detection signatures.
4-condition Closure
Purple Team vyžaduje čtyři současné podmínky pro deklaraci closure security findingu — předchází false closure (zdánlivě vyřešený útok, jenž se reaktivuje v jiné formě):
- Red Team confirmation — útok již nereaguje
- Blue Team confirmation — defense je aktivní
- White Team confirmation — formální vlastnosti drží
- Purple Team confirmation — žádné regression indikátory
Due Diligence operační kontext
V kontextu due-diligence procesů (M&A, dodavatelské vetting, beneficial ownership analyse) Decision Engine operacionalizuje EA-taxonomii jako následující defenzivní stack:
- Vstupní evidence musí splňovat NABLA Axiom 1 (minimum 2 zdroje) a Axiom 6 (independence check) — obrana proti EA-1.1.1
- Kontradikce mezi zdroji jsou preservovány a propagovány do finálního dossier — obrana proti cherry picking
- Časové stamps jsou mandatorní s decay function — obrana proti zneužití zastaralých dat
- Provenance chain je auditovatelná — obrana proti EA-1.3.3
- Confidence score je explicitní s decomposition — obrana proti false certainty
- Multiple hypotézy s falsifikačními kritérii — obrana proti EA-1.3.1
- Color Teams kontinuálně testují robustnost — adversariální feedback loop
Tato sedmivrstvá architektura představuje strukturní operační doktrínu Prismatic platform pro vysoce kritická rozhodnutí.
Reálné případy použití
Case 1: Beneficial Ownership Analysis
Subjekt due-diligence analýzy systematicky maskuje vlastnickou strukturu skrze nominee shareholders, offshore vrstvy a komplexní sub-entitní vztahy (EA-1.2.3 Iluzorní komplexita). Decision Engine reaguje:
- Source diversity check identifikuje, že "nezávislé" zdroje (corporate registries, news, sanctions lists) sdílí společné chybějící informace
- Pattern Detection (L5) identifikuje strukturní podpis komplexitního maskingu
- Multiple hypotézy se generují (legitimní komplexnost vs. úmyslné maskování)
- Falsifikační kritéria specifikují, jaké další signály by hypotézu maskingu vyvrátily
Case 2: Sanctions Evasion Detection
Adresát se snaží evadovat sankce skrze rebranding, intermediate entities a falešnou substituci kontrolního subjektu (EA-1.3.2 Strategická reinterpretace v doméně identity). Decision Engine reaguje:
- Provenance tracking identifikuje rebranding events s timestamps
- Time decay penalizuje evidenci pre-rebranding
- Contradiction Preservation udržuje obě verze identity v grafu
- Confidence calibration explicitně reflektuje vysokou epistemickou nejistotu
Case 3: Information Operations Detection
Mediální landscape obsahuje koordinovanou disinformační kampaň využívající techniky EA-1.1.1 (selektivní expozice) + EA-1.2.2 (falešná ekvivalence) + EA-1.4.x (emocionální modulace). Decision Engine reaguje:
- Source independence verification odhaluje koordinovaný origin
- Pattern Detection identifikuje signature koordinované kampaně
- Confidence scoring penalizuje signály s nízkou independence
- Color Teams Red kontinuálně testují strukturní odolnost
Limitace a hranice operacionalizace
Operacionalizace EA-taxonomie přes Decision Engine má strukturní limitace:
- Nepokrývá in-person manipulaci — fyzicky-prostorové techniky (EA-1.5.x) jsou mediovány až po průchodu strukturní vrstvou
- Závisí na kvalitě vstupních dat — pokud jsou primary signals systematicky kontaminovány, žádná downstream defense nemůže garantovat correctness
- Performance trade-offs — striktní enforcement axiomů má computation cost; latency-critical aplikace vyžadují pečlivou kalibraci
- Není automaticky robustní vůči novým třídám útoků — vyžaduje kontinuální update na základě taxonomických nálezů a Color Teams findings
- Vyžaduje strukturně formátovaná data — non-textuální signály vyžadují předcházející preprocessing layer
Reflexivní vztah
Vztah taxonomie a Decision Engine je dvojsměrný:
- Taxonomie informuje Engine — Nově identifikované útoky vedou k posílení relevantních pipeline stages a Color Teams scenarios
- Engine testuje taxonomii — Color Teams provoz odhaluje operacionalizovatelnost taxonomicky popsaných útoků; útok, jenž nelze konkrétně simulovat, je signál nedostatečné operační specifikace v taxonomii
Tato reflexivní symbióza je jádrem evolučního charakteru integrovaného systému: jak taxonomie, tak Decision Engine se kontinuálně vyvíjejí na základě vzájemných nálezů.
Související
⚡ Kritický krok
Než přejdeš ke konkrétním kategoriím, formuluj si vlastní pracovní definici epistemické anihilace a zapiš si ji mimo tuto stránku (papír / zápisník / poznámka). Tato definice se bude v průběhu četby měnit — to je žádoucí. Ale výchozí zápis je nepostradatelný referenční bod pro detekci vlastního posunu pochopení.
Mandatorní akce: bez vlastní výchozí definice četba dalších sekcí riskuje, že se ti vlastní pochopení rozplyne v autorské formulaci.
Connect & Contribute
Created by Tomáš Korcak (korczis) | Open Source under GHL