Найти

Результаты поиска

• ИНТЕЛЛЕКТУАЛЬНАЯ ПОДСИСТЕМА ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ НА ОСНОВЕ БИОЛОГИЧЕСКИ ПРАВДОПОДОБНЫХ АЛГОРИТМОВ САМООРГАНИЗАЦИИ

  Э. В. Кулиев , М.П. Кривенко , М.М. Семенова , С.В. Игнатьева

  2021-11-14

  Аннотация ▼

  Рассматриваются основные понятия и определения систем поддержки принятия реше-
  ний на основе самоорганизации. Системы поддержки принятия решений (Decision Support
  Systems) относятся к кругу интерактивных компьютерных систем, которые помогают ис-
  пользовать данные, модели и знания для решения частично структурированных, неструктури-
  рованных или неструктурированных проблем. Показана и описана схема базовой структуры
  системы поддержки принятий решений. Рассмотрены три основных компонента Decision
  Support Systems, а также описан случай, когда может быть применен четвертый компонент
  системы поддержки принятия решений – система управления, основанная на знаниях. В ста-
  тье предложено описание интеллектуальной системы поддержки принятия решений. Примеры
  специализированных интеллектуальных систем поддержки принятия решений включают в себя
  интеллектуальные системы поддержки принятия маркетинговых решений и системы меди-
  цинской диагностики, гибкие производственные системы. Проблемы, связанные с принятием
  оптимальных решений, занимают важное место в автоматизированном проектировании и
  требуют совершенствования методов и средств поддержки процессов оптимального проек-
  тирования на различных этапах. Рассмотрены алгоритмы самоорганизации, вдохновленные
  живой природой. Биоинспирированные алгоритмы являются представительским классом алго-
  ритмов самоорганизации. Биовдохновленные вычисления имитируют природу и используют
  основные концепции и поведение этих систем для решения сложных проблем. В статье описан
  алгоритм летучих мышей. Проведен экспериментальный анализ процесса применения алгорит-
  ма самоорганизации в системах принятия решений.

• ФОРМИРОВАНИЕ ПАРАМЕТРОВ ИСТОЧНИКОВ ИНФОРМАЦИИ НЕЙРОЛИНГВИСТИЧЕСКОЙ ТЕКСТОВОЙ ИДЕНТИФИКАЦИИ

  К.Е. Румянцев , В. В. Котенко , Л.К. Хаджиева

  173-188

  2026-07-07

  Аннотация ▼

  Исследуется метод нейролингвистической текстовой идентификации, направленный на анализ и верификацию источников информации, включая тексты, сгенерированные системами искусственного интеллекта. Анализируются состояния информации текста китайского произведения автора Ло Гуань-чжун «Троецарствие» в трех вариантах: оригинальный текст, а также состояние текста, полученного с помощью генерации системами искусственного интеллекта Gemini и GPT. Целью исследования является формирование и обоснование параметров для применения в качестве факторов идентификации сгенерированного текста, а также формирование 3D-образов нейролингвистической текстовой идентификации источников информации. Используется специализированный программный комплекс «Анализатор нейролингвистической текстовой идентификации», осуществивший обработку текстовых данных на основе горизонтальной и вертикальной развертки нейролингвистических информационных кадров. В результате сформированы информационные спектры, количественные характеристики (информационная емкость, энтропия, избыточность) и нейролингвистические информационные 3D-образы нейролингвистических кадров текстовой информации китайского произведения. Сравнение уровней идентичности информационных нейролингвистических 3D-образов источника текстовой информации нейролингвистических информационных кадров показывают, что максимальный уровень идентичности наблюдается при сравнении текстов нейролингвистических информационных кадров оригинального текста, а минимальный уровень идентичности наблюдается при сравнении оригинального текста с текстом, сгенерированным с помощью систем искусственного интеллекта. Полученные результаты показывают значимые различия между параметрами нейролингвистических информационных кадров оригинального текста и параметрами текста, сгенерированного системами искусственного интеллекта как по количественным характеристикам текста, так и по характеристикам нейролингвистических информационных 3D-образов. Установлено, что нейролингвистические информационные 3D-образы текстов, созданных системами искусственного интеллекта, обладают более гладкой структурой визуального представления и отличным цветовым распределением по сравнению с нейролингвистическими 3D-образами оригинального текста. Практическая значимость исследования заключается в применении подхода, позволяющего определять сгенерированный текст и верифицировать источники информации. Полученные результаты открывают перспективы для работы и дает возможность реализовывать проекты и создавать программные комплексы способные обнаруживать сгенерированный текст.

• РАЗРАБОТКА МЕТОДИКИ ИНТЕГРАЦИИ БОЛЬШИХ ЯЗЫКОВЫХ МОДЕЛЕЙ В ПРОЦЕССЫ ЦЕНТРА МОНИТОРИНГА ИНФОРМАЦИОННОЙ БЕЗОПАСНОСТИ

  В. А. Частикова , А. С. Бахтин , П.А. Меркулов

  57-69

  2025-10-01

  Аннотация ▼

  Показана важность интеграции больших языковых моделей (БЯМ) в процессы центров мониторинга информационной безопасности (SOC) для повышения их эффективности в условиях растущих киберугроз. Цель исследования – разработка методики интеграции БЯМ в SOC, направленной на автоматизацию процессов анализа данных и реагирования на инциденты. Задачи исследования включают теоретическое обоснование и разработку платформы для безопасного внедрения БЯМ, а также оценку существующих процессов и технической инфраструктуры SOC. В статье анализируются ключевые метрики эффективности работы SOC, такие как среднее время обнаружения инцидента и количество нерешенных инцидентов, и предлагается использование подхода GQM (Goal-Question-Metric) для разработки этих метрик. Рассматривается также необходимость оценки рисков, связанных с использованием БЯМ, с учетом уязвимостей и угроз, а также методов их минимизации, включая использование списка критических уязвимостей от OWASP. В статье предложены основные этапы разработки и внедрения системы, включая инвентаризацию существующих ресурсов, анализ сложности интеграции и развертывание системы. Рассматриваются ключевые аспекты, такие как оценка сложности интеграции, эксплуатационные и поддерживающие факторы, а также оценка рисков, связанных с внедрением новых технологий в инфраструктуру SOC. В заключение подчеркивается актуальность использования БЯМ для улучшения оперативности и качества работы SOC, что способствует повышению уровня информационной безопасности и ускорению реакции на киберугрозы. Внедрение таких технологий позволит SOC не только быстрее реагировать на инциденты, но и повысить точность анализа данных, снижая риски, связанные с человеческим фактором