En
Register Log in

List of publications on a keyword: «обнаружение аномалий»

  • Nekontroliruemoe obnaruzhenie biomekhanicheskikh anomalii v vysokoskorostnykh videopotokakh dlia sportivnoi trenirovki i fizicheskogo vospitaniia

    Conference Paper
    Pedagogy, Psychology, Society: from theory to practice
    Authors:
    Olesia O. Oleinikova, Veronika I. Panchenko, Tatiana V. Soloveva, Boris V. Potapov
    Work direction:
    Цифровая трансформация образования
    Abstract:
    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.
    Keywords:
    Go 

  • Ispol'zovanie iskusstvennogo intellekta i mashinnogo obucheniia dlia vyiavleniia finansovykh riskov i makhinatsii dlia predpriiatii

    Conference Paper
    Strategies of Sustainable Development: Social, Law and External-economic Aspects
    Author:
    Nikita A. Trufanov
    Work direction:
    Общие вопросы экономических наук
    Abstract:
    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.
    Keywords:
    Go 

  • Adaptivnoe obnaruzhenie vredonosnykh zaprosov v veb-atakakh

    Conference Paper
    Relevant issues of management, economics and economic security
    Authors:
    Egor N. Uspenskii, Aleksandr S. Starikov, Galina V. Romashkina, Anna N. Norkina
    Work direction:
    Угрозы экономической безопасности и пути их преодоления
    Abstract:
    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).
    Keywords:
    Go