Найти

Результаты поиска

• ИССЛЕДОВАНИЕ МЕТОДОВ МАШИННОГО ОБУЧЕНИЯ ДЛЯ ОБНАРУЖЕНИЯ САЙТОВ-МОШЕННИКОВ

  М.А. Лапина , Д. А. Лукьянов , В.Г. Лапин , Н.Н. Кучеров

  250-262

  2025-10-01

  Аннотация ▼

  В настоящее время большое количество процессов связано с большими объёмами данных, которые необходимо анализировать. С увеличением объёма информации её анализ становится более объёмной и сложной задачей. Возникает проблема поиска инструмента, который поможет компаниям и учреждениям в сборе, анализе и прогнозировании данных. Машинное обучение является областью искусственного интеллекта, которая находит закономерности в базе данных и на их основе пытается спрогнозировать результат. Ещё одной областью применения машинного обучения является детектирование сайтов-мошенников. В настоящее время с развитием информационных технологий цифровые преступления стали серьёзной угрозой для конфиденциальной информации и данных пользователей. Искусственный интеллект способен анализировать параметры сайтов и определять наличие угроз для информации. Исследование направлено на систематизацию знаний о фишинговых атаках и исследовании методов машинного обучения для обнаружения сайтов-мошенников. В ходе выполнения исследования были разработаны методы машинного обучения по обнаружения фишинговых сайтов, построены схемы, которые позволяют моделям машинного обучения правильно преобразовывать данные для подачи их в модели. Анализ данных, предоставленных в датасете, позволил преобразовать данные для корректной работы моделей, что позволило избежать ошибок. Была решена проблема переобучения моделей машинного обучения. Детальное изучения датасета позволило отфильтровать данные, которые могли вызывать ошибки в работе модели и понизить качество прогнозирования. В результате работы разработаны методы поиска фишинговых атак с использованием моделей машинного обучения, которые были протестированы на имеющихся данных, на основе полученных результатов построены графики изменения точности обнаружения нелегитимных сайтов от изменения настроек моделей. Был проведён анализ исследования и подведены результаты проведённой работы.

• ПОСТРОЕНИЕ КАРТЫ ОПОРНЫХ ПОВЕРХНОСТЕЙ ДЛЯ РЕШЕНИЯ ЗАДАЧИ ПЛАНИРОВАНИЯ ДВИЖЕНИЯ ГРУППЫ НАЗЕМНЫХ РОБОТОВ

  Б. С. Лапин , О. П. Гойдин , С.А. Собольников , И.Л. Ермолов

  2024-04-15

  Аннотация ▼

  Целью исследования является формирование геометрической модели среды, содержащей
  информацию о параметрах подстилающей поверхности для использования в системе планиро-
  вания движений группы роботов строем на высокой скорости. В статье исследована задача
  построения карты опорных поверхностей. Приведен анализ существующих исследований по
  теме определения характеристик опорных поверхностей мобильными роботами. Приведена
  классификация способов оценки характеристик опорной поверхности на дистанционные и кон-
  тактные. На основе анализа преимуществ и недостатков известных дистанционных и кон-
  тактных методов в работе предлагается комбинированный подход, позволяющий использо-
  вать преимущества обоих методов. Подход основан на дистанционном разделении простран-
  ства на кластеры по внешним параметрам подстилающей поверхности с потенциально одина-
  ковыми внутренними свойствами, одновременном определении внутренних параметров под-
  стилающей поверхности контактным методом и дальнейшем их объединении. При этом осу-
  ществляется постоянное уточнение параметров поверхности во время перемещения. Подход
  использует ограниченный перечень стандартных бортовых средств мобильного робота и не
  требует больших вычислительных затрат по сравнению с методами машинного обучения.
  Приводится описание дистанционного определения внешних параметров подстилающей по-
  верхности, в основе которых лежат алгоритмы сегментации облака точек, не требующие
  предварительного обучения. В качестве аргументов для сегментации используются: координа-
  ты точек облака, цвет каждой точки и перепад высот в окрестности каждой точки. Описан
  алгоритм определения внутренних характеристик поверхности контактным способом. В каче-
  стве внутренних параметров рассматриваются коэффициенты трения между каждым коле-
  сом и текущей поверхностью. Эти коэффициенты позволяют определить предельные ускоре-
  ния для каждого робота группы, которые необходимы для реализации системы планирования
  движений. В работе приводятся результаты экспериментальных исследований дистанционно-
  го определения параметров подстилающей поверхности в рамках предложенного подхода на
  данных из публичного набора KITTI. Результаты исследования подтверждают возможность
  формирования геометрической модели среды, сегментированной на области с различными ха-
  рактеристиками опорной поверхности без обучения с использованием стандартных аппарат-
  ных возможностей робота.

• ОБ ИСПОЛЬЗОВАНИИ ТЕОРИИ СХОДСТВА ДЛЯ ОЦЕНКИ ДИНАМИКИ СКОПЛЕНИЙ ОБЪЕКТОВ ИНТЕРЕСА НА МЕСТНОСТИ

  В.К. Абросимов , С.М. Лапин

  2024-04-15

  Аннотация ▼

  Опыт современных боевых действий инициировал высокую актуальность задач оценки
  динамики изменения во времени характеристик групп (скоплений) объектов интереса на мест-
  ности с воздуха. Активное развитие беспилотной авиации, в том числе в составе групп, пред-
  ставляет новые возможности периодического мониторинга местности с решением задач об-
  наружения и распознавания скоплений объектов интереса в динамике. В статье проведен ана-
  лиз возможности использования теории сходства для решения задач оценки сходства видов
  вооружений, военной и специальной техники по характеру распределения в различных скоплени-
  ях, в том числе в различных геофизических условиях. Показано, что динамика объектов может
  быть установлена регулярным мониторингом местности с определением для скоплений различ-
  ных мер сходства и различия. При этом доказана применимость хорошо себя зарекомендовав-
  ших статистических методов исследования биоразнообразия, разработанных в биологии для
  оценки разнообразия популяций, их сложности, схожести, взаимоотношений и др. Приведены
  характеристики видового разнообразия важнейших детерминированных скоплений войск и
  техники стран НАТО. Работоспособность предлагаемого подхода продемонстрирована на
  примере воздушной разведки условного района с распознаванием динамики пяти видов скопле-
  ний, включающих различные типы ВВСТ, личного состава и средств инженерного оборудова-
  ния. Даны общие рекомендации по проведению соответствующих оценок и принятию решений.
  Рекомендованы к применению следующие основные меры сходства: коэффициенты сходства
  Жаккара – для определения меры сходства скоплений по входящим в их состав видам образцов
  ВВСТ (автомобилей, танков, орудий, бронемашин и др.); индекс Маргалефа для определения
  количества видов ВВСТ в общем количестве объектов ВВСТ в скоплении; обобщенная мера
  разнообразия по Шеннону – для оценки разнообразия видов в скоплении; индекс доминирования
  Симпсона – для определения доминирующего вида ВВСТ в скоплении; коэффициент Серенсена-
  Чекановского – для определения степени встречаемости выбранного вида образцов ВВСТ в
  скоплении. Полученные результаты целесообразно использовать в многокритериальных задачах
  предполетного и оперативного планирования групповых действий беспилотных летательных
  аппаратов в интересах мониторинга контролируемой территории с учетом требуемого гра-
  фика получения достоверной информации