Academic Scientific Journal of Computer Science

ИННОВАЦИОННЫЕ МЕТОДЫ ОБЕСПЕЧЕНИЯ КИБЕРБЕЗОПАСНОСТИ ТЕХНОЛОГИЧЕСКИХ СИСТЕМ УПРАВЛЕНИЯ ЦИФРОВОГО ДВОЙНИКА ПРЕДПРИЯТИЯ ПИЩЕВОЙ ПРОМЫШЛЕННОСТИ

2025-09-05T08:13:48+00:00

Кибербезопасность в среде цифровых двойников для пищевой промышленности сталкивается с уникальными вызовами из-за слияния кибер-физических систем с устаревшими промышленными системами управления. Цифровые двойники повышают эффективность, позволяют осуществлять предиктивное техническое обслуживание и улучшать качество продукции, однако одновременно расширяют потенциальную поверхность атаки для злоумышленников. В данной статье мы представляем новую четырёхуровневую модель кибербезопасности, которая объединяет обнаружение аномалий в реальном времени, анализ процессов и обеспечение целостности данных на основе технологии блокчейн. Методика была протестирована на симуляции молочного перерабатывающего предприятия и показала значительное улучшение показателей выявления атак, снижение количества ложных срабатываний и сокращение времени отклика по сравнению с традиционными методами. Данная работа предлагает новый взгляд на проблемы кибербезопасности и демонстрирует потенциал интегрированных передовых технологий.

ВИБРОТРАНСПОРТНЫЕ БИСПИНОРЫ УРАВНЕНИЙ ДИРАКА В БИКВАТЕРНИОННОМ ПРЕДСТАВЛЕНИИ ПРИ ДОСВЕТОВЫХ СКОРОСТЯХ И ИХ СВОЙСТВА

2025-09-05T08:10:01+00:00

Среди активных источников возмущений в различных средах наиболее распространены транспортные и вибротранспортные, которые связаны с движущимися излучателями электромагнитных волн разной длины, скорость которых может быть ниже или выше скорости распространения возмущений среды. Здесь построены фундаментальные и регулярные вибротранспортные решения бикватернионных представлений уравнений Максвелла и Дирака при досветовых скоростях движения источника излучения. Построена бифункция Грина, описывающая поле сосредоточенного в точке источника излучения, который движется с постоянной скоростью и колеблется с фиксированной частотой. На их основе построены общие решения вибротранспортного уравнения Дирака при действии как пространственно распределённых движущихся источников вибраций, так и сосредоточенных на движущихся поверхностях и линиях. Построенные решения должны найти применение в теоретической физике, физике элементарных частиц, радиотехнике, электронике.

ПОДХОД НА ОСНОВЕ МАШИННОГО ОБУЧЕНИЯ ДЛЯ ОБНАРУЖЕНИЯ ВРЕДОНОСНЫХ ССЫЛОК В INSTAGRAM

2025-09-12T05:54:23+00:00

С развитием социальных сетей и их глубокой интеграцией в повседневную жизнь такие широко используемые платформы, как Instagram, становятся все более уязвимыми для кибератак. Особенно в последние годы использование вредоносных ссылок превратилось в один из наиболее распространённых и опасных векторов атак, создавая серьёзные угрозы личным данным пользователей, их финансовой безопасности и целостности информационных систем. Подобные атаки часто направлены на обман пользователей с целью получения доступа к их аккаунтам, хищения конфиденциальной информации или распространения вредоносного программного обеспечения. Данное исследование ориентировано на выявление и снижение рисков, связанных с размещением вредоносных URL- адресов в биографиях, личных сообщениях и комментариях пользователей Instagram. Авторы подчёркивают, что традиционные методы фильтрации, такие как блокировка или сопоставление URL, оказываются недостаточными. Это связано с тем, что злоумышленники активно используют методы социальной инженерии, маскируя истинное назначение ссылок и вводя пользователей в заблуждение. Для решения этой проблемы предлагается гибридная система обнаружения, объединяющая методы машинного обучения (Random Forest, LightGBM, XGBoost) с эвристическим анализом. Система выполняет комплексный анализ различных параметров, классифицирует подозрительные ссылки и достигает высокой эффективности. Экспериментальные результаты показали, что точность классификации достигает 98%. Реализация в формате расширения для браузера позволяет пользователям быстро выявлять и отмечать потенциальные угрозы. В настоящее время система требует локальной установки, однако в дальнейшем планируется внедрение методов глубокого обучения, использование контекстной информации и полная автоматизация процессов. Таким образом, предложенный подход вносит значительный вклад в обеспечение кибербезопасности в социальных сетях и может стать прочной основой для построения масштабируемых систем мониторинга угроз.

ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ: ОПРАВДАН ЛИ АЛАРМИЗМ?

2025-09-12T05:59:07+00:00

В статье осуществлена попытка определения научной оправданности алармистских настроений и прогнозов в отношении дальнейшего развития искусственного интеллекта. Проанализирована эволюция глобальных рисков и угроз, на основании чего, сделано предположение о том, что рост технологического развития прямо пропорционален росту экзистенциональных рисков. Описан исторический контекст появления термина «искусственный интеллект» и рассмотрены его определения. Изложены основные отличия алармизма в отношении искусственного интеллекта от иных примеров глобальных рисков, таких как ядерная, экологическая и биотехнологическая угрозы. Проанализированы основные доводы представителей алармистского подхода, которыми высказываются научные и экспертные предположения, граничащие с апокалиптическими прогнозами. Изложены примеры отдельных подтвердившихся опасений, которые нанесли вред государственным учреждениям, корпоративному сектору и простым людям. Также рассмотрены позиции представителей антиалармистского подхода, доводы которых сводятся к тому, что при правильном регулировании и согласовании принципов работы «умных» машин с человеческим ценностями, искусственный интеллект не является экзистенциальной угрозой. На основании анализа двух подходов, делается вывод о том, что обе точки зрения имеют под собой ряд достаточно рациональных аргументов, требующих внимания научного сообщества и правительств мира. В этом контексте приводятся данные, подтверждающие активизацию мер, направленных на формирование культуры «этического поведения» и регулирование искусственного интеллекта. В заключении делается вывод о том, что алармизм отдельных ученых и экспертов может быть оправдан, а также должен быть взят на вооружение национальными государствами и транснациональными структурами, однако абсолютизация рисков и угроз, создание апокалиптических настроений, на данном этапе развития искусственного интеллекта, выглядят менее научно обоснованными и граничат с строго футуристскими или фантастическими представлениями.

РАЗРАБОТКА ЭФФЕКТИВНОГО МЕТОДА ВОДОУЧЕТА НА ОРОСИТЕЛЬНЫХ СИСТЕМАХ ДЛЯ АВТОМАТИЗИРОВАННЫХ СИСТЕМ ВОДНЫМИ РЕСУРСАМИ

2025-09-05T08:09:10+00:00

В настоящее время в связи с тенденцией роста дефицита водных ресурсов необходимо эффективно использовать водных ресурсов, разработать и внедрить эффективных методов водоучета и автоматизированных систем управления водными ресурсами. Целью настоящего исследования является разработка эффективного и адекватного, по сравнению существующими способами, метода расчета расхода воды для автоматизированных систем управления водными ресурсами. Проанализированы существующие группы прямых и косвенных методов и средств водоучета, выявлены их погрешности, приводящие к снижению их точности, и некоторые ограничения. Для проведения более точного и адекватного водоучета в режимах неравномерного плавно изменяющегося движения воды в непризматическом русле с горизонтальным и обратным уклонами дна предложен эффективный метод водоучета. Приведены уравнения, используемые для более точного расчета объема воды в каналах оросительных систем в различных режимах течения воды на основе созданной расчетной схемы движения неравномерного плавно изменяющегося движения. Предложенный метод испытан в условиях канала К-19 Туркестанской области и показал свой эффективность и необходимый уровень точности.

РАЗРАБОТКА ДАТАСЕТА ДЛЯ СОЗДАНИЯ БОЛЬШОЙ ЯЗЫКОВОЙ МОДЕЛИ (LLM) ДЛЯ КАЗАХСКОГО ЯЗЫКА

2025-09-05T08:11:18+00:00

Эта работа относится к разработке значительного LLM с учетом его различных морфологических, синтаксических и сортовых признаков. Цель исследования состоит в том, чтобы создать премиум -набор данных DATASET для обучения и улучшения моделей искусственного интеллекта, способных профессионально взаимодействовать с казахскими языковыми текстами. Задача рассматривает важные вопросы, такие как дефицитные лингвистические материалы, различные сценарии и сложную обработку диалекта и письменных манеров. В рамках этой инициативы были построены методы сбора данных и подготовки, включающие OCR Tech для оцифровки текста. Предлагаются методы регуляризации и структурирования информации, наряду с маркировкой для уточнения точности и надежности образовательных алгоритмов. Важно анализировать методологии LLM, такие как Mbert и GPT, и признание их ограничений с казахом, имеет важное значение. Подчеркивая создание исключительных наборов данных для лингвистически ограниченных языков и их основной вклад в эволюцию технологий ИИ. Результаты исследования имеют решающее значение для продвижения использования ИИ в таких секторах, как правительство, образование и торговля, и для улучшения анализа текста языка казахского языка.

АЛГОРИТМЫ РЕКОМЕНДАЦИЙ ДЛЯ ОБРАЗОВАТЕЛЬНЫХ ПРЕДПОЧТЕНИЙ: ОБЗОР

2025-09-05T08:15:42+00:00

Образовательные рекомендательные системы (ERS) трансформируют процесс обучения, предоставляя персонализированный контент и рекомендации по курсам, адаптированные к индивидуальным потребностям студентов. Эти системы используют подходы, такие как коллаборативная фильтрация, гибридные модели и глубокое обучение, для улучшения образовательных траекторий. Однако остаются нерешённые проблемы, включая холодный старт, разреженность данных и вопросы конфиденциальности. Недавние достижения в области гибридных моделей, методов глубокого обучения и знаний графов открывают перспективы для решения этих проблем и повышения точности рекомендаций. В данной статье рассматриваются эти технологии с акцентом на потенциал использования крупномасштабных наборов данных и объяснимого ИИ (XAI) для улучшения образовательного опыта.

РАЗРАБОТКА ПАРАЛЛЕЛЬНОГО КОРПУСА ДЛЯ ПЕРЕВОДА КАЗАХСКОГО ЖЕСТОВОГО ЯЗЫКА И ОБУЧЕНИЕ МОДЕЛИ TRANSFORMER

2025-09-05T08:14:56+00:00

Казахский жестовый язык (КЖЯ) является основным средством общения для людей с нарушениями слуха и речи. Это исследование направлено на анализ синтаксической структуры КЖЯ и выявление отличий от особенностей разговорного казахского языка. Кроме того, для преобразования текстов на казахском языке в глоссы КЖЯ был создан специализированный лингвистический анализатор, что позволило разработать параллельный корпус. Изучение КЖЯ важно не только с научной точки зрения, но и для разработки инструментов, способствующих созданию инклюзивного общества.

В рамках исследования была обучена система машинного перевода на основе модели Transformer, используя параллельный корпус. В результате была достигнута высокая точность перевода, что продемонстрировало потенциал для повышения доступности коммуникации. Этот подход представляет собой важный шаг в автоматизированной обработке казахского жестового языка. Подобные технологии направлены на улучшение процесса обучения и социальной интеграции людей с особыми потребностями.

Для анализа синтаксиса КЖЯ использовались Python 3.10, Stanza, библиотеки PyTorch, NumPy и Pandas. Было исследовано более 500 предложений, что позволило выявить особенности гибкости порядка слов и визуально-пространственной структуры. Анализ предложений, включая обратимые, необратимые, локативные, одушевлённые, неодушевлённые, сложные и простые конструкции, позволил описать грамматическую структуру казахского жестового языка. Результаты исследования послужили основой не только для выявления синтаксических закономерностей языка, но и для разработки новых моделей перевода.

В ходе исследования были выявлены основные трудности, такие как ограниченное количество аннотированных данных. В будущем планируется работа над интеграцией видеоданных и расширением оценочных показателей. Предложенные методы лежат в основе развития инклюзивных информационных технологий и улучшения коммуникации с людьми с особыми потребностями. Эта работа играет важную роль в расширении инклюзивного потенциала технологий и открывает новые направления для научных исследований.

ГИБРИДНЫЙ ПОДХОД ГЛУБОКОГО ОБУЧЕНИЯ ДЛЯ ТОЧНОЙ КЛАССИФИКАЦИИ ЭКГ-СЕРДЦЕБИЕНИЙ С ИСПОЛЬЗОВАНИЕМ RESNET18 И BILSTM

2025-09-05T08:21:58+00:00

Точная классификация сердечных сокращений на электрокардиограмме (ЭКГ) играет ключевую роль в ранней диагностике сердечно-сосудистых заболеваний. В данной работе предлагается новая гибридная архитектура глубокого обучения, сочетающая сверточную нейронную сеть (CNN) ResNet18 с двунаправленной долгой краткосрочной памятью (BiLSTM) для повышения точности классификации ЭКГ-сокращений. На первом этапе сигналы ЭКГ очищаются от шума с помощью дискретного вейвлет-преобразования с использованием вейвлета 'sym5', после чего сегментируются на отдельные сердечные сокращения, центрированные по R-пикам. Каждое сокращение преобразуется в изображение в оттенках серого с унифицированным размером 224×224 пикселя. Далее применяется обширная аугментация данных для обеспечения сбалансированности классов по семи типам сокращений: NOR, LBB, RBB, PVC, APC, VFW и VEB. В отличие от традиционных подходов на основе CNN, предлагаемая модель использует сеть ResNet18 для извлечения пространственных признаков из изображений сокращений, которые затем обрабатываются слоем BiLSTM для выявления последовательных зависимостей между сокращениями. Такая временная модель позволяет классификатору точнее распознавать тонкие морфологические различия, связанные с аритмиями. Эксперименты на базе MIT-BIH Arrhythmia Database показали, что гибридная модель превосходит базовые CNN-архитектуры, достигая точности 97,4% и макро F1-метрики 96,8%.
Визуализация результатов с помощью матриц ошибок и диаграмм F1-оценок дополнительно подтверждает эффективность предложенного подхода, особенно в распознавании редких типов сокращений. Данное исследование предлагает надежное и масштабируемое решение для классификации сокращений на ЭКГ с перспективой интеграции в системы мониторинга сердца в реальном времени в качестве инструмента поддержки клинических решений.

Система персонализированной обратной связи в обучении на основе лексико‑семантической сети

2025-09-05T08:22:46+00:00

Это исследование представляет персонализированную систему учебной обратной связи, основанную на лексико-семантической сети и адаптированную для обучения на языках с ограниченными ресурсами, с акцентом на преподавание на казахском языке. Основной механизм системы – процесс повторения, запускаемый ошибкой: когда обучающийся неправильно отвечает на задание, семантическая текстовая схожесть (STS) используется для поиска и рекомендации учебных материалов, связанных с понятием, отдавая приоритет целенаправленному исправлению, а не традиционному выставлению оценок. Система реализует трёхкомпонентную цепочку Термин–Лекция–Оценивание (TLA), планируя задания на повторение в соответствии с принципами кривой забывания. Для этого мы перевели корпус SemEval Semantic Textual Similarity Benchmark (STSb) на казахский язык (STSb-kk) и разработали казахский корпус для задач естественно-языкового вывода (NLI-kk). Эксперименты с моделью LaBSE, дообученной в два этапа, показали корреляцию Пирсона 84,72% на STSb-kk, что продемонстрировало высокую эффективность при поиске на основе схожести. Лексико-семантический ресурс для казахского языка, подобный WordNet, был создан посредством перевода, с более лёгкой ручной проверкой по сравнению с STSb-kk и NLI-kk. Хотя STS не подходит для оценивания сложных открытых ответов, он отлично проявляет себя в задачах поиска и рекомендаций в условиях ограниченных ресурсов. Система предлагает масштабируемую структуру для персонализированного исправления ошибок, адаптивный алгоритм планирования и возможность применения в таких дисциплинах, как математика и физика. В будущем планируется интеграция мультимодального контента и адаптация уровня сложности в режиме реального времени.

ПРИМЕНЕНИЕ ВЕКТОРНЫХ МОДЕЛЕЙ В ИНТЕЛЛЕКТУАЛЬНЫХ СИСТЕМАХ ИНФОРМАЦИОННОГО ПОИСКА

2025-09-22T18:16:10+00:00

Актуальность данного исследования обусловлена возрастающей необходимостью повышения эффективности семантического поиска информации в условиях стремительного роста объёма текстовых данных, особенно для низкоресурсных языков, к числу которых относится казахский язык. Целью исследования является формирование научно обоснованного подхода к выбору и сравнению моделей векторизации текстов, применяемых в интеллектуальных поисковых системах с учётом морфологических и синтаксических особенностей казахского языка, а также построение математической модели для вычисления семантического сходства в многомерном векторном пространстве. Методология базируется на эмпирическом тестировании шести моделей (TF-IDF, Word2Vec, FastText, GloVe, BERT и KazBERT) на корпусе из 24 000 казахских текстов. Векторизация производилась с использованием CLS-токенов; для морфологической предобработки использовался инструмент Kaznlp. Семантическое сходство измерялось с помощью косинусной метрики, доработанной с учётом грамматической совместимости. Эффективность моделей оценивалась по показателям точности, полноты и F1-меры. Полученные результаты свидетельствуют о том, что модель KazBERT в сочетании с морфологическим анализом обеспечивает наивысшую точность при работе с вариативными словоформами, превосходя многоязычный BERT на 11–15 % и TF-IDF более чем на 30 %. Модель FastText показала устойчивость к морфологическим вариациям, однако была менее результативна при обработке синтаксически сложных запросов. Научная новизна исследования заключается в создании гибридной модели интеллектуального поиска, адаптированной к агглютинативной природе казахского языка, а также во внедрении авторской морфосинтаксической метрики, позволяющей повысить чувствительность к грамматическим признакам. В заключение подтверждается, что адаптация векторных моделей с учётом грамматических особенностей существенно увеличивает релевантность результатов поиска. Предложенная архитектура может быть применена в практических системах, работающих с различными типами пользовательских запросов.

СРАВНИТЕЛЬНЫЙ АНАЛИЗ АРХИТЕКТУР ГЛУБОКОГО ОБУЧЕНИЯ ПРИ СЕГМЕНТАЦИИ ТРЕЩИН НА ДОРОЖНЫХ ПОКРЫТИЯХ

2025-09-22T18:21:53+00:00

Статья посвящена сравнительному анализу пяти передовых архитектур глубокого обучения, применяемых для сегментации трещин на дорожном покрытии: CrackNet, DeepCrack++, YOLOv9, ViT-UNet и Swin-UNet. Анализ проводился на основе нескольких общедоступных датасетов с различным уровнем разметки, а в качестве ключевых метрик использовались полнота (Recall), точность (Precision), среднее значение IoU и F1-мера. Согласно результатам экспериментов, модель DeepCrack++ продемонстрировала наивысшие значения полноты и точности, что указывает на её высокую эффективность в обнаружении различных типов повреждений с минимальным уровнем ложных срабатываний. В то же время CrackNet выделилась исключительной скоростью обработки и низким потреблением вычислительных ресурсов, что делает её особенно подходящей для использования в ресурсограниченных встраиваемых системах. Модель YOLOv9, адаптированная для сегментации как микро-, так и макротрещин, показала сбалансированные характеристики: высокую точность и сравнительно быстрое время обработки. ViT-UNet благодаря способности моделировать глобальный контекст с помощью механизмов внимания, обеспечила более детализированное выявление тонких и разветвлённых трещин. В свою очередь, Swin-UNet, эффективно объединяя локальные и глобальные признаки, продемонстрировала стабильную производительность на различных наборах данных. Таким образом, представленные результаты могут служить основой для выбора наиболее подходящей архитектуры при разработке интеллектуальных систем мониторинга состояния дорожной инфраструктуры, где необходимо учитывать соотношение между точностью, вычислительными затратами и временем отклика.

ИССЛЕДОВАНИЕ МЕТОДОВ ЛИНГВИСТИЧЕСКОГО АНАЛИЗА ДЛЯ ВЫЯВЛЕНИЯ И ИЗВЛЕЧЕНИЯ ТЕКСТОВЫХ ДАННЫХ НА КАЗАХСКОМ ЯЗЫКЕ

2025-09-05T08:20:05+00:00

В данной статье рассматриваются современные методы лингвистического анализа, применяемые для обработки казахского языка, с целью автоматического выявления и извлечения текстовой информации. Особое внимание уделяется морфологическому, синтаксическому и семантическому анализу, а также их адаптации к особенностям казахского языка, который относится к агглютинативным языкам и характеризуется свободным порядком слов. Это создаёт определённые трудности при применении традиционных подходов, разработанных для языков с фиксированным порядком слов, таких как английский.
В исследовательской работе анализируются современные подходы, включая методы на основе конечных автоматов, статистические модели, глубокие нейронные сети и трансформерные архитектуры. Рассматриваются существующие программные инструменты, такие как HFST, Apertium, KazNERD, BeeBERT и Kaz-RoBERTa и другие модели, специально адаптированные для языков со сложной морфологической структурой, а также их потенциал и ограничения в контексте обработки казахских текстов. Особое внимание уделяется вопросам точности морфологического анализа, устойчивости моделей к полисемии, а также способности справляться с редкими и сложными словоформами. Также обсуждаются практические области применения современных NLP-решений для казахского языка — в системах машинного перевода, автоматической классификации текстов, извлечении именованных сущностей и анализе тональности. Представлены конкретные примеры применения моделей в образовательной и юридической сферах. В заключении даны рекомендации по созданию национальных текстовых корпусов, развитию инструментов морфологического анализа, а также дальнейшему исследованию интеграции различных методологических подходов для повышения качества обработки казахского языка в задачах NLP.

ИССЛЕДОВАНИЕ МЕТОДОВ ЭКСПЕРТНЫХ ОЦЕНОК ДЛЯ ОЦЕНКИ ПРИОРИТЕТА ПРЕПОДАВАТЕЛЕЙ ПО ДИСЦИПЛИНАМ

2025-09-22T18:43:04+00:00

Для эффективного распределения учебной нагрузки по дисциплинам между преподавателями актуальной задачей является использование приоритета преподавателей. С этой целью в статье рассмотрены известные методы экспертной оценки, которые предлагается использовать для оценки приоритета преподавателей по дисциплинам, такие как методы групповой оценки, парных сравнений, метода Кемени и метод средних значений.

Метод групповой оценки позволяет агрегировать мнения нескольких экспертов, формируя обобщённое представление о приоритете преподавателей. Метод парных сравнений предполагает попарное сопоставление преподавателей по их компетенциям в рамках дисциплины, что позволяет выявить относительные приоритеты. Метод Кемени, основанный на поиске медианного ранжирования, позволяет обеспечить согласованное и объективное распределение приоритета, минимизируя противоречия в экспертных мнениях. Метод средних значений – самый распространённый метод, основан на поиске среднего значения из экспертных мнений.

В работе описываются результаты исследования применения этих методов для оценки приоритетов преподавателей по дисциплине, с приведением алгоритмов их расчёта. Приведён практический пример расчёта оценки приоритета преподавателей по одной дисциплине и сравнительный анализ результатов их расчёта. Полученные результаты могут быть полезны для организаций образования при планировании и организации учебного процесса.

АНАЛИЗ СОВРЕМЕННЫХ ПРОТОКОЛОВ БЕЗОПАСНОСТИ БЕСПРОВОДНЫХ СЕТЕЙ И ПЕРСПЕКТИВЫ ИХ РАЗВИТИЯ

2025-09-05T08:12:18+00:00

Современные беспроводные сети полагаются на надежные протоколы безопасности для защиты данных и обеспечения безопасного подключения. В этой статье мы рассмотрим слабые и сильные стороны WPA2 (Wi-Fi Protected Access II) и его преемника WPA3 (Wi-Fi Protected Access III), а также рассмотрим перспективы их будущего развития. Мы суммируем механизмы аутентификации протоколов (включая рукопожатие SAE WPA3) и исследуем их устойчивость к популярным векторам атак, таким как захват рукопожатия, деаутентификация и уязвимость KRACK (атака переустановки ключа). Наши результаты показывают, что WPA3 устраняет ряд слабых сторон WPA2, нейтрализуя эти распространенные атаки: улучшенное рукопожатие и обязательная защита WPA3 полностью пресекают использование захваченных рукопожатий для офлайн-взлома и значительно снижают подверженность атакам деаутентификации и переустановки ключа. Однако есть некоторые открытые вопросы, требующие дальнейшего улучшения протоколов для противодействия новым угрозам. Эти результаты подчеркивают необходимость всеобщего принятия WPA3 и постоянного совершенствования протокола для обеспечения надежной и устойчивой к будущим изменениям безопасности беспроводных сетей.

ЦИФРОВОЙ РЕТРАНСЛЯТОР APRS НА БАЗЕ СПУТНИКА CUBESAT: ПРОЕКТИРОВАНИЕ, РЕАЛИЗУЕМОСТЬ И КОНЦЕПЦИЯ МИССИИ

2025-09-12T06:01:27+00:00

В данной статье рассматривается возможность использования полезной нагрузки APRS (Automatic Packet Reporting System) в малых космических аппаратах, в частности, на платформе CubeSat для функционирования в качестве цифрового ретранслятора в низкой околоземной орбите. APRS – это протокол пакетной радиосвязи, широко применяемый радиолюбителями для обмена сообщениями, телеметрии и передачи координат в реальном времени. В то время как APRS традиционно реализуется с использованием наземных IGate-станций и ретрансляторов, его расширение на спутниковую платформу открывает новые возможности охвата, особенно в удалённых и труднодоступных районах. Результаты. Предлагаемая система предусматривает приём APRS-пакетов в VHF-диапазоне (обычно на частоте 145.825 МГц), их буферизацию и последующую передачу другим пользователям или наземным IGate-станциям с выходом в интернет. Исследование включает детальный обзор архитектуры полезной нагрузки, требований к связи, питанию и обработке данных, а также общую концепцию миссии. Научная новизна. Расчёты подтверждают жизнеспособность концепции: спутник способен обеспечивать покрытие до 18,6 млн км² за один пролёт, обрабатывать до 700 пакетов за сеанс связи и поддерживать стабильное энергопотребление в рамках платформы 1U CubeSat. Архитектура также допускает выборочную доставку данных конкретным получателям, что особенно актуально для приложений в агромониторинге и других чувствительных сценариях. Практическая ценность. Работа вносит вклад в развитие интеграции наземных и спутниковых IoT и радиолюбительских систем связи. В заключение обсуждаются компромиссы системного уровня включая ограничения по мощности, массе и пропускной способности.

ВЕБ-СИСТЕМА МОНИТОРИНГА ЗАГРЯЗНЕНИЯ ВОЗДУХА С API-ИНТЕГРИРОВАННЫМИ ИСТОЧНИКАМИ ДАННЫХ

2025-09-05T08:16:39+00:00

Разработанная веб-платформа для мониторинга атмосферного воздуха представляет собой многокомпонентную систему, которая собирает, обрабатывает и визуализирует данные о загрязнении воздуха. Платформа интегрирует данные от автоматических станций мониторинга и исторические данные, предоставляя пользователю информацию в реальном времени о концентрациях загрязняющих веществ, таких как PM_2.5, PM₁₀, CO, SO₂, NO₂, а также об индексе качества воздуха (AQI). Одной из ключевых функций является использование картографических инструментов для отображения распространения загрязнителей, что способствует углубленному анализу пространственно-временной динамики загрязнения. Система также предоставляет рекомендации для уязвимых групп населения на основе стандартов Всемирной организации здравоохранения. Платформа включает актуальные и исторические данные для прогнозирования изменений экологической ситуации, что позволяет формировать эффективные стратегии управления качеством воздуха и принимать экологически обоснованные решения на различных уровнях.

МОНИТОРИНГ ПОВЕРХНОСТНЫХ ВОД В КАЗАХСТАНЕ С ИСПОЛЬЗОВАНИЕМ NDWI И МЕТОДА СЛУЧАЙНОГО ЛЕСА: НА ПРИМЕРЕ ОЗЕРА АККОЛЬ

2025-09-05T08:17:51+00:00

Для таких стран, как Казахстан, где засушливый и полузасушливый климат в сочетании с человеческой деятельностью усиливают нагрузку на озера и реки, мониторинг водных ресурсов в последние годы становится все более важным. Точная и своевременная информация о динамике поверхностных вод необходима для эффективного управления водными ресурсами, охраны окружающей среды и адаптации к изменениям климата. Развитие технологий дистанционного зондирования, особенно использование индексов, таких как NDWI, и алгоритмов машинного обучения, например, случайного леса (Random Forest), значительно повысило возможности выявления и анализа изменений поверхностных вод во времени. Эти инструменты обеспечивают масштабируемые и экономически эффективные решения для постоянного мониторинга, особенно в удалённых и обширных ландшафтах, характерных для Центральной Азии. В данной работе предлагается эффективный метод обнаружения водоёмов на основе нормализованного водного индекса (NDWI). Каждый из использованных нами инструментов – QGIS, Python и Google Earth Engine (GEE) – имел свои уникальные преимущества. Мы применили контролируемый метод случайного леса с использованием нескольких спектральных каналов и индексов для разделения водоёмов и сухих участков. Основным объектом исследования стало озеро Акколь в Жамбылской области, на котором мы изучали сезонные и долгосрочные колебания уровня воды. Также были проанализированы данные по рекам Асы и Талас для оценки их влияния на местную водную динамику. Последовательные и надёжные результаты, полученные на разных платформах, подчеркнули высокую пространственную и временную неоднородность распределения водных ресурсов в регионе и подтвердили необходимость постоянного спутникового мониторинга

Разработка интеллектуальной системы для выявления фейковых новостей

2025-09-05T08:21:11+00:00

В данной статье рассматривается разработка интеллектуальной системы для обнаружения фейковых новостей. Причиной является широкое распространение цифровых технологий, которое способствовало массовому распространению информации и увеличению уровня информационного шума. Распространение фейковых новостей вызывает замешательство в обществе и приводит к социальной нестабильности. Широкое распространение такой ложной информации представляет серьезную угрозу не только общественной стабильности, но и национальной информационной безопасности. Поэтому мы приступили к разработке данной интеллектуальной системы. Созданное программное приложение позволяет предотвращать возникновение таких проблем. Широкий доступ к Интернету и популярность социальных сетей в Казахстане способствуют быстрому распространению фейковых новостей. Кроме того, грамматические и семантические особенности казахского языка затрудняют прямую адаптацию международных систем обнаружения фейковых новостей к местному контексту. Мы предлагаем основанный метод для обнаружения фейковых новостей в социальных сетях с использованием модели BERT (Bidirectional Encoder Representations from Transformers), который не только определяет, является ли новость ложной или правдивой, но и обеспечивает интерпретируемость решения, выделяя подозрительных пользователей и ключевые доказательные слова.

РОЛЬ КОМПЬЮТЕРНОГО МОДЕЛИРОВАНИЯ В ПОВЫШЕНИИ БЕЗОПАСНОСТИ И ЭФФЕКТИВНОСТИ ПРОМЫШЛЕННЫХ ОБЪЕКТОВ

2025-09-05T08:10:37+00:00

Целью данного исследования является предоставление доказательств, демонстрирующих, как компьютерное моделирование может быть использовано для повышения безопасности и производительности на промышленных объектах. Прогнозирование аварийных ситуаций, оптимизация проектирования и обучение персонала – три наиболее важных аспекта, которые принимаются во внимание. Использовались такие программные приложения, как MATLAB Simulink, ANSYS Fluent и Siemens NX. С помощью этих инструментов было выполнено моделирование для газовой турбины мощностью пятьдесят мегаватт, трубопровода диаметром пятьсот миллиметров и химического реактора объемом десять квадратных метров. Результаты показали, что корректировка параметров турбины привела к повышению КПД на 4% и сокращению времени до перегрева турбины с пяти до семи минут. Зона повреждения от утечки газа была уменьшена на 44% (с 320 метров до 180 метров) в результате установки дополнительных клапанов на трубопроводе, что также привело к снижению затрат на проектирование на 35%. Увеличив толщину стенки реактора на 25%, удалось полностью исключить возможность разрушения. Благодаря использованию тренажёров время реакции операторов сократилось на 62,5% – со 120 до 45 секунд, а частота ошибок – на 40% с 25% до 15%. Зависимость от исходных данных и потребность в значительных вычислительных ресурсах – два фактора, ограничивающие возможности данного подхода. Ожидается, что дальнейшая интеграция технологий на основе искусственного интеллекта и цифровых двойников приведёт к расширению аналитических возможностей и повышению уровня промышленной безопасности.