Известия НАН РК. Серия физико-математическая

ПРИМЕНЕНИЕ МЕТОДА МАШИННОГО ОБУЧЕНИЯ ДЛЯ АНАЛИЗА И ИЗВЛЕЧЕНИЯ СЕМАНТИЧЕСКИХ СТРУКТУР ИЗ НАУЧНЫХ ТЕКСТОВ

2024-11-15T18:58:25+00:00

В данной работе рассматривается метод извлечения краткого описания текста из научных документов с использованием модели DistilBART, представляющей собой усовершенствованную и сокращенную версию модели Bidirectional and Auto-Regressive Transformers (BART). Модель DistilBART, обученная на больших объемах текстовых данных, позволяет эффективно решать задачи обработки естественного языка (NLP), такие как обобщение текста, машинный перевод и генерация текста. В данной работе основное внимание уделяется применению DistilBART для анализа и извлечения краткого описания текста из научных документов. Цель данной работы заключается в разработке универсального инструмента на основе модели DistilBART, который будет эффективным в извлечении и структурировании информации из научных документов различных областей. Традиционные методы обработки текста часто оказываются недостаточно мощными и требуют значительных вычислительных ресурсов, что делает их неприменимыми для анализа больших объемов данных. Использование передовых моделей машинного обучения, таких как DistilBART, представляет собой значительный шаг вперед. Актуальность данной работы также обусловлена растущей потребностью в эффективных системах поддержки научных исследований. Извлечение краткого описания текста с помощью DistilBART может существенно повысить качество аналитических обзоров, упростить поиск релевантной литературы и способствовать более глубокому пониманию исследовательских вопросов. В итоге, это способствует ускорению научного прогресса и повышению эффективности работы в различных областях науки и техники.

МОДЕЛИРОВАНИЕ ЧЕЛОВЕЧЕСКОГО ПОВЕДЕНИЯ ДЛЯ СМАРТФОНА С ИСПОЛЬЗОВАНИЕМ АЛГОРИТМА МАШИННОГО ОБУЧЕНИЯ

2024-12-03T10:02:32+00:00

Статья посвящена анализу и исследованию распознавания поведения человека с целью предоставления альтернативного способа идентификации и аутентификации пользователей смартфонов. Распознавание поведения включает в себя двухэтапный процесс: получение необработанных данных и извлечение характеристик и классификаций. Экспериментальные данные, использованные в этой статье, содержат один встроенный в смартфон акселерометр для определения моделей ходьбы пользователей. Вместо классических алгоритмов машинного обучения используется подход глубокого обучения. В статье предлагается новая модель CNN для идентификации пользователей на основе их моделей активности. В качестве экспериментального набора данных использовалась общедоступная идентификация пользователя из набора данных о ходьбе. Модель CNN достигла точности 99,88% при распознавании пользователя по шаблонам ходьбы. Статья также включает сравнительное исследование предлагаемой модели с классическими алгоритмами машинного обучения, такими как Ada-Boost, Decision Tree, GaussianNB, Linear Discriminant, Logistic Regression, Quadratic Discriminant, и Random Forest. Производительность распознавания случайного леса с точностью 95,78% стала близкой к предложенной модели. Но модель CNN более эффективна, чем случайный лес, с точки зрения времени и точности распознавания.

АНАЛИЗ И СРАВНЕНИЕ МЕТОДОВ МАШИННОГО ОБУЧЕНИЯ ДЛЯ ОБНАРУЖЕНИЯ ВРЕДОНОСНОГО ПО

2024-11-15T18:57:24+00:00

Наше исследование направлено на анализ и оценку современных методов машинного обучения для обнаружения вредоносных программ, что является критической проблемой, учитывая растущую сложность и объем киберугроз. Традиционные подходы часто не справляются с новыми типами вредоносных программ, поэтому использование машинного обучения позволяет повысить эффективность защиты за счет выявления аномального поведения и неизвестных угроз в режиме реального времени. Методы машинного обучения открывают новые возможности для обнаружения угроз путем анализа поведенческих признаков файлов и сетевой активности. Кроме того, использование методов машинного обучения позволяет адаптироваться к новым типам угроз в режиме реального времени, что значительно повышает уровень безопасности и снижает риски для пользователей и организаций. Мы исследовали различные алгоритмы, включая методы опорных векторов, случайный лес, логистическую регрессию и деревья решений, сравнивая их эффективность при выявлении и классификации вредоносных программ. Наша методология объединяет статические, динамические и основанные на памяти методы анализа, предлагая комплексный подход к пониманию поведения вредоносных программ. Основные результаты показывают, что деревья решений и случайные леса демонстрируют впечатляющую точность как в бинарных, так и в
многоклассовых задачах классификации. Мы также выделяем новые методы, такие как Self-Organizing Incremental Neural Network, которая эффективно справляется с развивающимися угрозами вредоносных программ. Интеграция статических и динамических методов анализа углубляет понимание поведения вредоносных программ. Это исследование подчеркивает важность развития методов машинного обучения для улучшения мер кибербезопасности против развивающихся глобальных угроз вредоносных программ, предлагая ценную информацию для будущих направлений исследований.

ДОЗВУКОВЫЕ ВИБРОТРАНСПОРТНЫЕ РЕШЕНИЯ ВОЛНОВОГО УРАВНЕНИЯ В ПРОСТРАНСТВАХ РАЗМЕРНОСТИ N=1,2,3

2024-11-18T19:28:03+00:00

Исследуется воздействие вибротранспортных источников излучения волн в средах, которые связаны с движущимися обьектами, скорость движения которых может быть дозвуковой, звуковой, сверхзвуковой, а в средах с несколькими звуковыми скоростями (упругие, например) еще и трансзвуковой. Здесь строятся фундаментальные и регулярные вибротранспортные решения волнового уравнения при дозвуковых скоростях движения источника возмущений в пространствах физической размерности (N=1,2,3). Построены функции Грина, которые описывают динамику среды при движении сосредоточенного в точке источника, который движется с постоянной скоростью и вибрирует с постоянной частотой. На его основе построены общие решения вибротранспортного уравнения при действии как распределенных в пространстве движущихся виброисточников, так и сосредоточенных на движущихся поверхностях и линиях. Дано математическое описание эффекта Доплера с графической иллюстрацией.

Построенные решения позволяют строить решения многих уравнений механики сплошных сред для такого типа движущихся источников возмущений в средах и найдут обширные применения при решении различных инженерно-технических задач

АНАЛИЗ СИСТЕМ РАСПОЗНАВАНИЯ ПОЛИТИЧЕСКОГО ЭКСТРЕМИЗМА В СОЦИАЛЬНЫХ СЕТЯХ ОНЛАЙН

2024-11-15T18:20:34+00:00

В статье рассматривается быстрый рост социальных сетей в интернете и их роль в распространении вредного и экстремистского контента. Ссылаясь на отчет Global Digital 2023, он подчеркивает рост глобального использования социальных сетей, в котором активно задействовано почти 60% населения. Хотя социальные сети предлагают множество преимуществ, они также стали платформой для распространения опасных идеологий, включая терроризм, кибербуллинг и экстремистские политические движения. В статье рассматривается, как экстремистские группы используют социальные сети для распространения пропаганды, вербовки подписчиков и подстрекательства к насилию, часто обходя ограничения платформы с помощью таких тактик, как использование популярных хэштегов или создание новых имен пользователей.
В статье также рассматриваются проблемы выявления и категоризации экстремистского контента, указывая на такие проблемы, как ненадежные наборы данных, отсутствие автоматизированных систем проверки и предвзятость в исследованиях. В ней рассматривается область исследований, сосредоточенная на обнаружении экстремистских материалов, включая инструменты для анализа жестоких видеороликов и экстремистских текстов. Кроме того, в статье обсуждаются различные формы экстремизма, встречающиеся в Казахстане — политические, национальные и религиозные — и то, как эти идеологии усиливаются в интернете. В статье отмечаются ограничения современных исследований экстремизма, такие как дисбаланс данных и методологические различия, которые мешают точному анализу. Также в статье предлагается разработка передовых программных решений для более эффективного выявления и нейтрализации экстремистского контента, тем самым внося вклад в глобальные усилия по борьбе с онлайнэкстремизмом и укреплению национальной безопасности.

ОЦЕНКА ЭФФЕКТИВНОСТИ МЕТОДОВ МАШИННОГО ОБУЧЕНИЯ ДЛЯ ОХВАТА КЛЮЧЕВЫХ СЛОВ

2024-11-15T19:11:53+00:00

В данной статье осуществляется тщательный сравнительный анализ двух современных гибридных подходов в машинном обучении, такие как Bidirectional Encoder Representations from Transformers (BERT) в сочетании с автокодировщиком (Autoencoder, AE) и Термино-Частотное Обратное Документное Частотное (Term Frequency-Inverse Document Frequency, TF-IDF) в сочетании с автокодировщиком. Исследование фокусируется на задаче извлечения ключевых слов с применением методов семантического анализа текстовых данных. Основная цель работы заключается в оценке эффективности данных методов для обеспечения адекватного охвата ключевых слов в больших текстовых корпусах, охватывающих различные тематические области. Авторы подробно изучают архитектуру и принципы работы каждого из рассматриваемых методов. Особое внимание уделяется особенностям интеграции этих методов с автоэнкодерами, что позволяет значительно улучшить семантическую целостность и релевантность выделенных ключевых слов. Экспериментальная часть исследования включает в себя детальный анализ эффективности обоих методов на различных наборах текстовых данных, демонстрируя, как структура и семантическая насыщенность исходных данных влияют на результаты работы каждого из методов. В работе также подробно описывается примененная методология оценки качества извлечения ключевых слов, включая такие показатели, как точность, полнота и мера F1. Анализируются преимущества и недостатки каждого подхода, а также их пригодность для конкретных типов текстовых задач. Результаты исследования предоставляют ценные данные для научного сообщества и могут быть использованы для выбора наиболее подходящего метода обработки текстов в различных приложениях, где требуется глубокое понимание семантического содержания и высокая точность извлечения информации.

МОДЕЛИРОВАНИЕ ПРАВИЛ И УСЛОВИЙ ПРОВЕДЕНИЯ ПРЕДВЫБОРНЫХ ДЕБАТОВ

2024-11-15T18:19:05+00:00

Это исследование, финансируемое в рамках проекта AP19679847 «Разработка методов анализа казахского политического дискурса», фокусируется на разработке передовых методик анализа политического дискурса в социальных сетях на казахском языке. В данной статье представлен всесторонний анализ и формализация процесса проведения предвыборных дебатов на примере Республики Казахстан, основанный на официальных правилах и условиях. В исследовании подчеркивается междисциплинарный характер анализа политического дискурса в социальных сетях, объединяющий знания из области политических и социальных наук, а также информатики.

Особое внимание уделяется созданию онтологической модели предвыборных дебатов с использованием системы Protégé и RDF для структурирования знаний о дебатах. Это позволило выявить ключевые субъекты, их взаимосвязи и создать основу для разработки инструментов анализа настроений по темам выборов. Модель фокусируется на ответах на ключевые вопросы, связанные с организацией и проведением дебатов, что делает ее ценным инструментом для оптимизации политических стратегий и повышения эффективности избирательных кампаний в будущем.

ИСПОЛЬЗОВАНИЕ МЕТОДОВ МАШИННОГО ОБУЧЕНИЯ ДЛЯ ОБНАРУЖЕНИЯ ДЕСТРУКТИВНОГО ВЕБ-КОНТЕНТА НА КАЗАХСКОМ ЯЗЫКЕ

2024-11-15T18:22:33+00:00

В статье комплексно рассматриваются проблемы выявления и анализа деструктивных сообщений в сети интернет. Авторы представляют эффективные алгоритмы автоматического сбора и маркировки текстовых данных агрессивного содержания. Этот интегрированный подход фокусируется на сбалансированном обучении моделей посредством сбора, обработки и построения целевых наборов данных. В ходе исследования было доказано, что предложенные алгоритмы достигли высокой точности по F-мере и эффективны при решении дисбаланса целевого класса. Деструктивные послания делятся на пять основных классов: издевательства, расизм, нацизм, насильственный экстремизм. В исследовании четко подчеркивается важность сбора этого контента из различных социальных сетей (YouTube, ВКонтакте, Telegram). Подчеркивается необходимость своевременного обнаружения с целью снижения негативного воздействия такой информации на общество и национальную безопасность. Авторы отмечают, что интернет стал инструментом экстремистских и террористических группировок для распространения идеологии и организации опасной деятельности, и анализируют способы борьбы с таким контентом.

В статье акцентируется внимание на важности понимания и изучения динамики распространения агрессивной информации. Обоснована актуальность создания корпуса для анализа данных, полученных из открытых источников на казахском языке. Социальные сети и сбор данных рекомендуются как эффективный шаг на пути усиления мер безопасности, улучшения борьбы с экстремизмом и защиты информационного пространства. Авторы подчеркивают важность использования современных методов обработки данных для эффективного обнаружения агрессивной информации в глобальной сети. В данном исследовании представлены эффективные инструменты, направленные на предотвращение распространения агрессивного контента, укрепление национальной безопасности и защиту информационного пространства. Результаты исследования считаются важными для совершенствования аналитических мер и мер безопасности.

РАЗРАБОТКА ОНЛАЙН-ПЛАТФОРМЫ ДЛЯ ПОИСКА ТАНДЕМНЫХ ПОВТОРОВ ПРИ ПОЛНОГЕНОМНОМ СЕКВЕНИРОВАНИИ

2024-11-15T18:23:50+00:00

В статье представлены результаты разработки онлайнплатформы для идентификации тандемных повторов при полногеномном секвенировании, обнаружение которых является критически важным для многих областей генетики, криминалистики и медицины. Разработка специализированного программного обеспечения для анализа данных полногеномного секвенирования имеет огромное значение для биологических и медицинских исследований, однако идентификация этих повторов является крайне сложной задачей из-за их высокой вариабельности и сложности, а традиционные методы часто сталкиваются с трудностями при анализе тандемных повторов. В исследовании приведены анализ и обсуждение существующих методов идентификации тандемных повторов, обозначены их преимущества и недостатки, а также рассмотрены перспективы и направления дальнейших исследований в этой области. Наряду с описанием и применением традиционного подхода к обработке данных секвенирования для поиска тандемных повторов в предлагаемом программном обеспечении используется специально разработанный алгоритм, позволяющий идентифицировать все типы коротких тандемных повторов. Платформа реализована с использованием клиент-серверной архитектуры, включает в себя авторизацию пользователя, страницы задания параметров вычислений повторов, отражение и сохранение истории результатов и их просмотр в текстовом и визуализированном форматах.

Библиометрический анализ применения граничных вычислений в киберфизических системах промышленного интернета вещей (IIoT)

2024-11-15T18:59:31+00:00

С развитием промышленного интернета вещей (IIoT) автоматизация систем взаимодействия человека и машины достигла нового уровня исследований, способствуя интеграции интеллектуальных технологий в промышленность и энергетический сектор. Современные технологические инновации, включая граничные вычисления и туманные вычисления, значительно ускоряют развитие производственных процессов. Цель этой работы — всесторонний обзор научной литературы, связанной с определенным набором терминов, возникающих из интеграции IIoT и граничных вычислений. В работе представлен библиометрический анализ слияния граничных вычислений и IIoT. Основное внимание уделяется преобладающим тенденциям, ведущим авторам, ключевым публикациям и продуктивности исследований за последние 5 лет. Работа выявляет заметные паттерны и тенденции, исследуя научные статьи и используя инструмент bibliometrix, подчеркивая роль передовых технологий, таких как ИИ и блокчейн, в улучшении систем IIoT. Данные показывают значительное увеличение результатов исследований, подчеркивая необходимость эффективного использования граничных вычислений для решения задач обработки данных и улучшения безопасности систем. Этот библиометрический анализ раскрывает актуальные области исследований и перспективные направления развития граничных вычислений в рамках IIoT.

РАЗРАБОТКА КОНСТРУКЦИИ МНОГОДИАПАЗОННОЙ ДИСКОНУСНОЙ АНТЕННЫ

2024-12-02T19:52:47+00:00

В данной статье представлена разработка дисконусной антенны, работающей в диапазоне частот от 90 до 500 МГц. Дисконусные антенны представляют собой особый тип антенн, который может обеспечивать работу в широкой полосе частот, что является одним из важных требований, предъявляемых к современным антенным системам. В работе представлены результаты исследований по разработке различных конструкций дисконусных антенн, направленных на улучшение широкополосных характеристик, коэффициента стоячей волны по напряжению и их применения в различных областях, включая системы связи и радары. Разработанная конструкция антенны модифицирована, в которой дисковая и конусообразная части выполнены из тонких медных проволок. Кроме того, конструкция данной дисконусной антенны выполнена из биметалла (медь и сталь), которая сочетает в себе высокую проводимость и механическую прочность, повышая надежность и долговечность антенны. Также в работе приведены необходимые материалы для изготовления антенны и результаты экспериментальных измерений основных параметров дисконусной антенны, такие как коэффициент стоячей волны, коэффициент отражения S₁₁, диаграмма Смитта. Для проведения экспериментальных измерений использовался анализатор спектра Rohde & Schwarz FPC1500. Работоспособность антенны продемонстрирована на коллективной радиостанции UN9GWA АО «Международного университета информационных технологий» в реальных условиях радиосвязи.

ИДЕНТИФИКАЦИЯ ГОВОРЯЩЕГО С ИСПОЛЬЗОВАНИЕМ ГЕНЕРАЦИИ X-ВЕКТОРОВ С СОХРАНЕНИЕМ РАСПРЕДЕЛЕНИЯ

2024-11-15T19:13:45+00:00

С ростом использования голосовых помощников и интерфейсов разговорного языка возникли важные опасения относительно конфиденциальности голосовых данных. В попытке снизить угрозу атак на голосовые данные в этой статье предлагаем систему идентификации и аутентификации через х-вектора. Этот метод изменяет информацию о поле и акценте говорящего из исходного речевого сигнала. Предлагаемый метод дает более естественно звучащий анонимизированный голос в дополнение к деидентифицированному говорящему. Однако оно дает относительное улучшение EER до 19,30% для пар «идентизированный-анонимизированный регистрация-испытание». Мы наблюдали, что наряду с хорошей деидентификацией говорящего анонимизированные высказывания обладают адекватной разборчивостью речи и естественностью. Наш метод может быть легко интегрирован с другими в качестве компонента идентификации системы и устраняет необходимость в распределении говорящих для использования во время идентификации.

СРАВНИТЕЛЬНЫЙ АНАЛИЗ ЭФФЕКТИВНОСТИ НЕЙРОННЫХ СЕТЕЙ ПРИ НИЗКОМ ЗНАЧЕНИИ ОТНОШЕНИЯ С/Ш

2024-11-18T11:21:31+00:00

Данная работа посвящена сравнительному анализу эффективности нейронных сетей CNN и RNN при низкомзначении отношения С/Ш. Проведенное исследование в рамках данной работы показало, что сверочные нейронные сети RNN демонстрируют более высокую эффективность в задачах распознавания речевого сигнала при низком уровне отношения С/Ш. Так, нейронная сеть RNN показала стабильное превосходство над CNN при низких значениях отношения С/Ш. Выявлено, что при отношении С/Ш = 6 дБ, точность распознавания с использованием RNN составила 82% для казахского языка, в то время как CNN показала результат в районе 77%.

Кроме того, результаты показали, что эффективность нейронных сетей CNN и RNN зависит от языка, на котором они обучались. Нейронные сети, обученные на казахском языке, показали лучшие результаты при распознавании казахской речи, но также успешно справлялись с распознаванием русского языка. Это подчеркивает важность учета языковых особенностей при разработке и обучении нейронных сетей, что может улучшить их производительность в многоязычных средах.

В рамках данного исследования установлено, что разные языки демонстрируют различные результаты при низком уровне С/Ш. Например, несмотря на родственную связь между казахским и кыргызскими языками, нейронная сеть RNN более успешно справлялся с распознаванием русского языка. Это может свидетельствовать о большом сходстве фонетических признаков между казахским и русским языками, чем между казахским и кыргызским. Данный результат требует дальнейшего детального исследования и анализа для выявления фонетических особенностей, влияющих на точность распознавания речевого сигнала.

МЕТОДЫ ДВОЙНОГО ЭКСПОНЕНЦИАЛЬНОГО СГЛАЖИВАНИЯ И ВРЕМЕННЫХ ОКОН ДЛЯ ПРЕДИКТИВНОГО МОНИТОРИНГА ЛВС: АНАЛИЗ, СРАВНЕНИЕ И ПРИМЕНЕНИЕ

2024-11-15T18:25:58+00:00

Данная статья посвящена исследованию методов предиктивного мониторинга локальных вычислительных сетей (ЛВС), с акцентом на сравнительный анализ и практическое применение методов двойного экспоненциального сглаживания (DES) и временных окон (WTC). Предметом исследования является поиск наиболее эффективного подхода к прогнозированию отказов в ЛВС путем детального анализа их ключевых характеристик, таких как принципы работы, преимущества, недостатки и сферы применения. В статье подчеркивается важность адаптации этих методов к специфическим условиям эксплуатации сети, что является ключевым аспектом повышения точности прогнозов и обеспечения стабильности работы ЛВС. Методы DES и WTC были выбраны не случайно: DES, как метод анализа временных рядов, демонстрирует высокую эффективность в прогнозировании долгосрочных трендов, в то время как WTC обеспечивает более глубокий анализ локальных изменений и краткосрочных аномалий. Проведенный сравнительный анализ позволил выявить их сильные и слабые стороны, а также оптимальные параметры для повышения эффективности.
В статье представлены рекомендации по внедрению данных подходов в реальные условия работы сетей, что способствует раннему обнаружению потенциальных неисправностей и минимизации простоев. Кроме того, исследование уделяет внимание вопросам интеграции предиктивных методов в существующие системы мониторинга ЛВС, включая возможности их использования в сочетании с современными инструментами машинного обучения. Это позволяет предложить гибкие решения, которые могут быть адаптированы под различные эксплуатационные сценарии и потребности организаций.
Выводы исследования являются актуальными для организаций, заинтересованных в модернизации своей сетевой инфраструктуры и переходе к проактивному управлению сетями. Такие подходы повышают не только надежность, но и экономическую эффективность за счет оптимизации обслуживания и предотвращения внеплановых простоев. Таким образом, работа вносит вклад в развитие технологий предиктивного анализа и демонстрирует их практическую ценность.

ПРОГНОЗИРОВАНИЕ ЗАГРЯЗНЕНИЯ ГОРОДСКОЙ ПОЧВЫ С ИСПОЛЬЗОВАНИЕМ АЛГОРИТМОВ МАШИННОГО ОБУЧЕНИЯ

2024-11-18T11:19:55+00:00

Различные города мира сталкиваются с загрязнением почв тяжелыми металами на разных уровнях. Ранее проведенные исследования выявили, что концентрация тяжелых металлов в городских почвах, как правило, возрастает с увеличением уровня урбанизации, что указывает на связь между содержанием тяжелых металлов в почвах и процессом расширения городов. Таким образом, понимание этой взаимосвязи и учет факторов, связанных с урбанизацией, для создания надежных прогнозов распределения тяжелых металлов в почвах могут способствовать эффективному управлению состоянием городских почв. В данном исследовании рассматриваются источники, распределение и влияние на окружающую среду тяжелых металлов. Эти элементы накапливаются в почве вследствие выбросов транспорта, износа шин и тормозов, а также абразивного разрушения дорожного покрытия, что несет значительные экологические и медицинские риски. Наличие тяжелых металлов в дорожной почве может пагубно влиять на рост растений, попадать в пищевую цепь и представлять прямую угрозу здоровью человека при проглатывании загрязненной почвы или вдыхании пылевых частиц. В этом исследовании для прогнозирования степени тяжелых металлов в почве вдоль автодорог была применена модель машинного обучения с использованием метода случайного леса (RF). Результаты показали, что модель RF отличается высокой точностью прогнозирования пространственного распределения тяжелых металлов в почве.

ПРОГНОЗИРОВАНИЕ УЧАСТНОСТИ СТУДЕНТОВ С ИСПОЛЬЗОВАНИЕМ МЕТОДОВ МАШИННОГО ОБУЧЕНИЯ: АНАЛИЗ ДАННЫХ О ОБРАЗОВАНИИ В КАЗАХСТАНЕ

2024-11-15T18:15:47+00:00

В данной статье рассматриваются факторы, влияющие на активность и желание обучающихся обучаться в условиях дистанционного обучения. Многомерный анализ, логистическая регрессия и методы дерева решений были использованы при анализе результатов онлайн-опроса 35 950 студентов дистанционного обучения во время пандемии. С помощью программного обеспечения IBM SPSS Статистика версии 23 были созданы статистические модели для определения основных факторов, влияющих на учебную деятельность.
Целью данного исследования является прогнозирование вовлеченности студентов и склонности к обучению на основе анализа ответов на вопросы опроса с использованием машинного обучения. К основным результатам работы относится создание сводной таблицы, показывающей процент правильно классифицированных случаев и выбранных вопросов по каждому из рассмотренных методов прогнозирования. Результаты показывают, что логистическая регрессия, мультидискриминантный анализ и деревья решений эффективно выявляют различные аспекты учебной деятельности, что способствует оптимизации процесса дистанционного обучения.

ПОДХОДЫ К ТЕСТИРОВАНИЮ НА ПРОНИКНОВЕНИЕ С ИСПОЛЬЗОВАНИЕМ УТИЛИТЫ УПРАВЛЕНИЯ УЯЗВИМОСТЯМИ OPENVAS

2024-11-15T19:14:39+00:00

В настоящее время вопросы безопасности информационных систем объектов критической информационной инфраструктуры приобретают актуальность. В то же время текущие задачи аудита информационной безопасности (ИБ) объектов критической информационной инфраструктуры, как правило, сводятся к проверке их на соответствие требованиям ИБ. Однако при таком подходе к аудиту часто остается неясной устойчивость этих объектов к реальным атакам злоумышленников. Чтобы проверить такую устойчивость, объекты подвергаются процедуре тестирования, а именно тестированию на проникновение. Анализ отечественных публикаций в этой области показывает, что в отечественной практике отсутствует системный подход к тестированию на проникновение. В связи с этим актуально проанализировать лучшие зарубежные подходы и практики к тестированию. Целью является сравнительный анализ существующих зарубежных и отечественных методов и стандартов тестирования на проникновение. Элементами новизны являются выявленные особенности, преимущества, недостатки и сфера применимости существующих стандартов и методов тестирования на проникновение. В этой статье будет рассмотрен сканер уязвимостей OpenVAS. Читатели ознакомятся с расширенными функциями программы, ее настройки зависят от функций и возможностей.

СОВРЕМЕННЫЕ ПОДХОДЫ К ИЗУЧЕНИЮ ДИНАМИКИ ИНФОРМАЦИОННОГО ПОТОКА В СОЦИАЛЬНЫХ МЕДИА НА ОСНОВЕ МЕТОДОВ МАШИННОГО ОБУЧЕНИЯ

2024-11-20T16:47:24+00:00

Данная обзорная статья представляет современные подходы к анализу информационного потока в социальных медиа с применением глубокого машинного обучения. Особое внимание уделяется глубоким рекуррентным нейронным сетям, используемым для анализа эмоций и настроений с использованием искусственного интеллекта, а также методам понимания естественного языка. Кроме того, рассматриваются новые методы выявления фейковых новостей, основанные на анализе их распространения в социальных сетях. Для этой цели применяются сверточные нейронные сети (CNN), глубокие нейронные сети (DNN) и долговременная краткосрочная память (LSTM), что позволяет эффективно обнаруживать ложные новости. Обсуждаются результаты последних исследований в данной области и их значимость для современного информационного пространства в социальных медиа. В данном обзорном анализе рассматриваются основные подходы машинного обучения, которые базируются на анализе карты предметной области библиометрических данных. Проведенное исследование при помощи инструмента Bibliometrix для библиометрического анализа и научного картографирования, позволило охватить текущее состояние и основные направления развития в области машинного обучения. Обсуждаются ключевые тенденции исследований, выявленные в библиометрических данных, а также значимость и перспективы этих методов для дальнейшего прогресса в области машинного обучения. В итоговом анализе было обнаружено, что основное внимание исследователей в области современных подходов к изучению динамики информационного потока в социальных медиа, основанных на методах машинного обучения, сосредоточено на следующих направлениях: глубокое обучение, рекуррентные нейронные сети, анализ тональности текста, классификация и сверточные нейронные сети.