Чув
Регистраци Кӗрӳ

Тӗп сӑмах тӑрӑх публикацисен списокӗ: «обнаружение аномалий»

  • Неконтролируемое обнаружение биомеханических аномалий в высокоскоростных видеопотоках для спортивной тренировки и физического воспитания

    Конференци статья
    Педагогика, психология, общество: от теории к практике
    Автор:
    Олейникова Олеся Олеговна, Панченко Вероника Юрьевна, Соловьева Татьяна Владимировна, Потапов Борис Васильевич
    рубрика:
    Цифровая трансформация образования
    Аннотаци:
    Предлагается перенести метод неконтролируемого обнаружения аномалий на основе энтропии карт внимания Vision Transformer из области технического мониторинга в задачу контроля техники движений в спортивной тренировке. Система выявляет микроотклонения углов в суставах на 3–5° (AUC-ROC 0,94) без размеченных баз ошибок, что открывает путь к индивидуальному коррекционному воздействию и профилактике травматизма обучающихся.
    Тӗп сӑмахсем:
    Куҫ 

  • Использование искусственного интеллекта и машинного обучения для выявления финансовых рисков и махинаций для предприятий

    Конференци статья
    Право, экономика и управление: состояние, проблемы и перспективы
    Автор:
    Труфанов Никита Андреевич
    рубрика:
    Общие вопросы экономических наук
    Аннотаци:
    В статье рассматривается использование методов искусственного интеллекта (ИИ) и машинного обучения (МО) для выявления финансовых рисков и мошенничества на предприятиях. Объектом исследования являются финансовые операции компаний, а предметом – технологии анализа данных для обнаружения аномалий. Цель работы – проанализировать возможности ИИ/МО в обнаружении подозрительных платежей, нетипичных операций, искажения отчётности, фиктивных контрагентов и признаков внутреннего мошенничества. Выполнен обзор научных публикаций по тематике, выделены основные методы (классификация, кластеризация, поиск аномалий, анализ временных рядов, NLP) и их ограничения. В результате приведены выводы об эффективности применения ИИ/МО: например, ML-модели способны повышать точность обнаружения мошенничества до 85 % при снижении ложных срабатываний до 92 %. Выявлено, что ИИ помогает быстро находить сложные паттерны в больших объёмах транзакционных данных. Вместе с тем отмечены ограничения: зависимость от качества и разметки данных, необходимость защиты личной информации, «чёрный ящик» моделей и потребность участия специалистов.
    Тӗп сӑмахсем:
    Куҫ 

  • Адаптивное обнаружение вредоносных запросов в веб-атаках

    Конференци статья
    Актуальные проблемы менеджмента, экономики и экономической безопасности
    Автор:
    Успенский Егор Николаевич, Стариков Александр Сергеевич, Ромашкина Галина Васильевна, Норкина Анна Николаевна
    рубрика:
    Угрозы экономической безопасности и пути их преодоления
    Аннотаци:
    Строки веб-запросов (запросы), которые передают параметры указанному ресурсу, всегда обрабатываются злоумышленниками для извлечения конфиденциальных данных и даже для получения полного контроля над веб-серверами и веб-приложениями жертвы. Тем не менее существующие подходы обнаружения вредоносных запросов в современной литературе не могут справиться с постоянным изменением веб-атак. В статье предлагается AMODS, адаптивная система, которая периодически обновляет модель обнаружения последних неизвестных атак. Также предлагается адаптивная стратегия обучения, которая называется SVM HYBRID, используемая данной системой для минимизации ручной работы. Оценивается современная модель обнаружения, обученная по десятидневному набору данных, полученному из журналов веб-сервера университета. Эта система превосходит существующие методы обнаружения веб-атак с F-значением 94,79% и частотой FP 0,09%. Общее количество вредоносных запросов, полученных с помощью SVM HYBRID, в 2,78 раза больше, чем в популярном методе адаптивного обучения с использованием опорных векторов поддержки (SVM AL). Полученные вредоносные запросы можно использовать для обновления библиотеки сигнатур брандмауэра веб-приложений (WAF).
    Тӗп сӑмахсем:
    Куҫ