| Найдено документов - 3 | Статьи из номера журнала: Прикладная информатика : научно-практический журнал. Т. 20, № 6. – 2025. – 142 с. – ISSN 1993-8314. – Текст : непосредственный. | Версия для печати |
Сортировать по:
1. Статья из журнала
| Автор(ы): | Мелешко, А.В., Десницкий, В.А., Котенко, И.В. |
| Ключевые слова: | 3D-модель, Атаки, Дефекты, Кибербезопасность, Обнаружение, Умные аддитивные производства |
| Аннотация: | Работа посвящена исследованию вопросов обнаружения атак модификации цифровых моделей изделий (деталей), предназначенных для 3D-печати в современных комплексах интеллектуальных аддитивных производств. В общем случае такие системы представляют собой сети, включающие множество параллельно функционирующих 3D-принтеров (3D-фермы), способные по запросам пользователей печатать тиражи изделий, таких как элементы физических конструкций роботов и транспортных средств, лопасти беспилотных летательных аппаратов и другие детали из пластика, металла и иных материалов. Существующие примеры таких 3D-установок оказываются уязвимыми к действиям атакующих, пытающихся, воздействуя на цифровую модель, внести в нее скрытую несанкционированную модификацию. После такой атаки готовые изделия могут оказаться с конструктивным дефектом, но их визуальные характеристики будут почти неотличимы от оригинальных образцов таких изделий. Например, осуществив воздействие на дефективный элемент корпуса БПЛА, атакующий способен понизить его управляемость и даже привести к его разрушению. В работе проводится экспериментальное обоснование гипотезы о возможности обнаружения атак модификации цифровых моделей изделий на основе обработки и анализа программного кода таких моделей. Анализируются особенности дефектов моделей 3D-изделий, представленных на языке G-кодов и отобранных из открытых баз 3D-моделей. Сформирован набор данных, состоящий из оригинальных и модифицированных моделей изделий. Предложен подход к обнаружению модификаций с применением эмбеддинга для преобразования данных в числовые векторы и обучения на них классификаторов с использованием методов обучения с учителем. Эксперименты на тестовых выборках данных продемонстрировали работоспособность предложенного подхода к обнаружению модификаций и перспективность его дальнейшего развития и применения на практике |
| Поиск: | Источник |
2. Статья из журнала
| Автор(ы): | Варнухов, А.Ю. |
| Ключевые слова: | Базисное разложение, Гибридные модели, Глубокое обучение, Динамическое ценообразование, Маркетплейсы, Нейросетевые модели, Прогнозирование продаж, Цифровые платформы |
| Аннотация: | В условиях стремительной цифровизации и роста значимости онлайн-торговли задача прогнозирования объема продаж на маркетплейсах приобретает критическое значение для поддержки управленческих и стратегических решений. Несмотря на значительные достижения нейросетевых моделей, их практическое применение в условиях цифровых платформ сопряжено с рядом ограничений, включая высокую волатильность спроса, разреженность данных, наличие множества гетерогенных факторов с различной динамикой, сложности масштабирования, а также высокие требования к вычислительным ресурсам и объемам обучающих данных. Кроме того, многие нейросетевые модели функционируют как «черные ящики», что затрудняет их применение в задачах, требующих прозрачности и обоснованности прогнозов, что подчеркивает актуальность разработки специализированных моделей, обеспечивающих одновременно высокую точность и интерпретируемость результатов. Целью настоящего исследования являются разработка и апробирование гибридной архитектуры нейросетевой модели, ориентированной на преодоление подобных ограничений с учетом специфики функционирования маркетплейсов. Предлагаемая модель сочетает рекуррентный кодировщик для извлечения временного контекста, модифицированные декодер-блоки, выполняющие разложение временного ряда по обучаемому базису скрытых компонент, и механизм управляемого объединения, обеспечивающий адаптивное включение контекстной информации на каждом уровне декодирования. Применяемый способ формирования прогноза как аддитивной суммы специализированных компонент, каждая из которых обучается выделять определенные структурные элементы, обеспечивает контекстно-зависимое и структурированное представление временного ряда, позволяя точнее учитывать долгосрочные тенденции и периодические колебания, а также повышает устойчивость модели к шуму и разреженности данных. Экспериментальная проверка модели на данных маркетплейса Wildberries продемонстрировала ее превосходство по точности прогнозирования над классическими и базовыми моделями, что подтверждает ее применимость в условиях, характерных для цифровых торговых платформ |
| Поиск: | Источник |
3. Статья из журнала
| Автор(ы): | Минин, В.С., Кириллова, Е.А., Какатунова, Т.В., Филимонова, Е.В. |
| Ключевые слова: | Анализ экономических показателей, Глубокие искусственные нейронные сети, Детектирование аномалий в данных, Сверточный автокодировщик |
| Аннотация: | Выявление (детектирование) аномалий представляет собой актуальную исследовательскую задачу во многих предметных областях, решение которой позволяет своевременно принимать управленческие решения. В представляемом исследовании предложен метод выявления аномалий в экономических показателях, характеризующих внутреннюю и внешнюю среду производственной организации, который может быть применен в алгоритмическом обеспечении систем поддержки предпринимательского решения. В основе метода лежит использование искусственной нейронной сети с архитектурой автокодировщика и обученной повторять входные данные на выходе. После обучения автокодировщика на нормальных данных ошибка восстановления входа на выходе будет невелика, но при подаче аномальных данных ошибка будет возрастать, что может служит индикатором аномалии. В предложенном методе применяется сверточный автокодировщик, поэтому входные данные сначала преобразуются в изображения (сигнатуры), для чего предложен оригинальный способ их формирования. Способ заключается в представлении исторического поведения каждого экономического показателя в форме тепловой матрицы. Каждая тепловая матрица образует один канал, а их совокупность формирует сигнатуру, которая затем подается на вход автокодировщика для дальнейшего анализа. В автокодировщике использованы глубинно-разделимые свертки, что позволяет автономно настраивать сверточные фильтры по отдельным каналам сигнатур. Новизна результатов исследования состоит в разработанном методе выявления аномалий в массивах экономических показателей, позволяющем выполнять локализацию коллективных и единичных аномалий (выбросов), а также в разработанном программном обеспечении, с помощью которого проводилось апробирование метода. Выполненные вычислительные эксперименты показали, что метод достигает точности выявления аномалий, сопоставимой с некоторыми современными моделями |
| Поиск: | Источник |