Репозиторий НИЯУ МИФИ

Репозиторий предоставляет доступ к научным публикациям, монографиям, учебным изданиям и другим материалам авторов Национального исследовательского ядерного университета МИФИ:

  • Материалы конференций, статьи из научных журналов, авторефераты диссертаций.
  • Монографии, патенты, учебные издания.
  • Публикации о НИЯУ МИФИ в СМИ и др.

Сопровождение репозитория ведёт центр информационно-библиотечного обеспечения учебно-научной деятельности:

  • library@mephi.ru
  • http://library.mephi.ru
  • НИЯУ МИФИ, 115409, Москва, Каширское ш., 31
Site : openrepository.mephi.ru
 

Разделы

Выберите раздел, чтобы просмотреть его коллекции.

Последние материалы

Уменьшенное изображение
Публикация
Открытый доступ
МЕТОДЫ АНОНИМИЗАЦИИ И АКТУАЛЬНЫЕ ПРОБЛЕМЫ ОБЕСПЕЧЕНИЯ КОНФИДЕНЦИАЛЬНОСТИ В БОЛЬШИХ ДАННЫХ
(НИЯУ МИФИ, 2026) Утепкалиев, М. А.
Рост объемов собираемых данных и распространение систем больших данных обострили задачу защиты персональных сведений: даже обезличенные наборы поддаются повторной идентификации при сопоставлении с внешними источниками. Цель обзора – систематизировать методы анонимизации, угрозы конфиденциальности и правовые подходы к их регулированию, а также оценить, как выбор метода сказывается на аналитической ценности данных. Обзор построен на анализе современной научной литературы по защите данных в средах больших данных. Рассмотрены классические модели, такие как k-анонимность, l-разнообразие, t-близость и дифференциальная приватность, а также базовые приемы их реализации: обобщение и подавление. Отдельно затронуты методы возмущения данных и шифрования. Угрозы классифицированы по механизму и цели атаки, от повторной идентификации и статистических атак до атак на графовые структуры социальных сетей, сетевых атак в облачных средах и атак извлечения данных. Результаты сведены в общую таблицу. Сопоставлены правовые режимы ЕС, Турции, США, России и КНР. Общий регламент ЕС по защите данных (GDPR) рассмотрен как один из наиболее строгих регуляторных инструментов. Сравнительный анализ существующих исследований обобщен в пяти тематических категориях. Эффективность классических моделей зависит от структуры данных и способа преобразования, а интеграция блокчейна, машинного обучения и распределенных платформ (Apache Spark, MapReduce) повышает масштабируемость анонимизации. Дифференциальная приватность выделена как наиболее перспективный подход с формальными математическими гарантиями. Практическая значимость обзора – рекомендации по выбору метода анонимизации в зависимости от сценария использования данных.
Уменьшенное изображение
Публикация
Открытый доступ
ИССЛЕДОВАНИЕ РАЗБОРЧИВОСТИ РЕЧИ В УСЛОВИЯХ ПОМЕХ С ИСПОЛЬЗОВАНИЕМ ТЕХНОЛОГИЙ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА
(НИЯУ МИФИ, 2026) Хорев, А. А.; Моложавцев, Е. О.
В статье представлены результаты экспериментальных исследований разборчивости зашумленных речевых сигналов с использованием технологий искусственного интеллекта и полученных методом артикуляционных испытаний. В качестве систем автоматизированного распознавания (САРР) были использованы системы «WhisperX-large–v3» и GigaAM-RNNT-v3, а в качестве исходных тестовых речевых сигналов - артикуляционные таблицы слов и фраз. В качестве шумовых сигналов при оценке словесной разборчивости речи использовался «белый» шум, а при оценке фразовой разборчивости речи - шумовой «речеподобный» сигнал и помеховый сигнал типа «речевой хор». Формирование зашумленных речевых сигналов осуществлялось путем смешения исходных тестовых речевых сигналов с шумовым с отношениями сигнал/шум (SNR) от - 20 до +10 дБ с шагом в 2 дБ. В результате экспериментальных исследований установлено, что словесная разборчивость выше 20% наблюдается: для САРР «WhisperX-large–v3» - при отношении SNR ≥ -8 дБ, для САРР «GigaAM-RNNT-v3» - при отношении SNR ≥ -2 дБ, а по результатам артикуляционных испытаний - при отношении SNR ≥ -10 дБ. При SNR ≤ - 8 дБ словесная разборчивость зашумленных речевых сигналов, полученная САРР, существенно ниже результатов артикуляционных испытаний. Фразовая разборчивость выше 20% наблюдается: для САРР «WhisperX-large–v3» - при отношении SNR ≥ -6 дБ (для шумовой «речеподобной» помехи), при отношении SNR ≥ -2 дБ (для помехи типа «речевой хор»), для САРР «GigaAM-RNNT-v3» - при отношении SNR ≥ -4 дБ (для шумовой «речеподобной» помехи), при отношении SNR ≥ -2 дБ (для помехи типа «речевой хор»), при отношении SNR ≥ -2 дБ, а по результатам артикуляционных испытаний - при отношении SNR ≥ -8 дБ (для шумовой «речеподобной» помехи), при отношении SNR > -6 дБ (для помехи типа «речевой хор»). При отношениях SNR < - 2 дБ фразовая разборчивость речи, полученная САРР, существенно ниже фразовой разборчивости, полученной методом артикуляционных испытаний.
Уменьшенное изображение
Публикация
Открытый доступ
КОЛИЧЕСТВЕННАЯ ОЦЕНКА УСТОЙЧИВОСТИ ДОСТУПНОСТИ КАНАЛА УПРАВЛЕНИЯ ПОДВИЖНЫМ ОБЪЕКТОМ К ПРЕДНАМЕРЕННЫМ ПОМЕХАМ
(НИЯУ МИФИ, 2026) Гавдан, Г. П.; Солопов, А. И.; Шанин, В. Л.; Гавдан, Григорий Петрович
Для оценки устойчивости доступности радиоканала управления подвижным объектом к преднамеренным помехам необходимо учитывать не только энергетические характеристики оборудования, но и пространственную структуру распространения полезного сигнала и помехи. Предложен расчётный подход, в котором работоспособность канала определяется детерминированной трёхмерной моделью распространения радиоволн, а возможность движения между заданными концевыми точками – связностью графа проходимости. Для дискретного маршрута введён показатель маршрутной доступности как вероятность сохранения управления во всех его точках при пространственно коррелированных медленных замираниях. Показано, что эта вероятность не превышает вероятности работоспособности наихудшей точки; для принятой экспоненциальной модели корреляции получена рекурсивная схема её вычисления, сводящая задачу к последовательности одномерных интегрирований. Задача определения наименьшего воздействия нарушителя формализована как поиск параметров источника помех, при которых граф проходимости теряет связность между заданными концевыми вершинами. Расчёты на воспроизводимой синтетической сцене городской застройки показали, что площадная доля работоспособных точек не является достаточным критерием сохранения маршрута: в рассмотренном примере связный путь отсутствует при 77,6% работоспособных узлов и медианном запасе 21,0 дБ. Четыре конфигурации станций с одинаковой долей работоспособных узлов разделяются по рассчитанному порогу разрушения связности на две группы, различающиеся на 23–24 дБ. В рассмотренном сценарии одиночная прицельная помеха не разрывает маршрут сети с частотным разнесением при мощности до 90 дБм, тогда как заградительная помеха разрывает его при 65 дБм, а два согласованных прицельных источника – при 37 дБм на устройство. Полученные значения являются результатами расчётного эксперимента и относятся к принятой модели распространения, сцене, дискретизации и модели нарушителя; их соответствие физической действительности требует экспериментальной валидации.
Уменьшенное изображение
Публикация
Открытый доступ
ДВУЯЗЫЧНЫЙ КЛАССИФИКАТОР АТАК ТИПА PROMPT INJECTION НА ОСНОВЕ ТРАНСФОРМЕРНОЙ ЯЗЫКОВОЙ МОДЕЛИ И ЭВРИСТИЧЕСКИХ ПРИЗНАКОВ
(НИЯУ МИФИ, 2026) Панин, А. А.; Вареница, В. В.
Широкое внедрение больших языковых моделей в корпоративные и государственные информационные системы создает новый класс уязвимостей, основную опасность в котором представляют атаки, связанные с внедрением вредоносных инструкций во входные данные. Существующие общедоступные нейросетевые классификаторы подобных атак преимущественно предназначены для обработки англоязычных текстов и демонстрируют существенное снижение эффективности при обработке русскоязычных данных, что ограничивает их применимость для защиты отечественных информационных систем. В статье предложен двухканальный нейросетевой классификатор, обнаруживающий атаки в пользовательских запросах на английском и русском языках. Архитектура решения объединяет контекстное представление предварительно обученного многоязычного трансформера и вектор структурно-лингвистических эвристических признаков, объединяемых через механизм слияния. Для обучения модели классификатора используется составная функция потерь, включающая взвешенную кросс-энтропию, контрастивную функцию потерь и регуляризацию логитов. Процедура обучения включает дополнительный этап коррекции классификатора на выявленных ложноположительных срабатываниях для снижения их уровня. Экспериментальная оценка классификатора выполнена на двуязычном наборе данных с нулевым перекрытием с обучающей выборкой. Классификатор демонстрирует сбалансированные показатели для обоих языков обучения, достигая на русскоязычной подвыборке точности обнаружения в 94,3% и F1-меры в 95,8%. Сравнительный анализ с пятью общедоступными решениями подтверждает превосходство предложенного решения в обнаружении атак на русском языке при сохранении компактного размера используемой модели. По результатам работы сделан вывод о применимости предложенного классификатора в качестве предварительного фильтра пользовательских запросов в составе систем защиты больших языковых моделей, применяемых в информационных системах для обработки данных.
Уменьшенное изображение
Публикация
Открытый доступ
ФОРМИРОВАНИЕ ПРОСТРАНСТВА ПРИЗНАКОВ, ПОЗВОЛЯЮЩИХ ОСУЩЕСТВЛЯТЬ ДЕТЕКТИРОВАНИЕ АВТОМАТИЗИРОВАННЫХ СРЕДСТВ ПОДМЕНЫ ПОЛЬЗОВАТЕЛЯ В ИНФОРМАЦИОННОЙ СРЕДЕ
(НИЯУ МИФИ, 2026) Афанасьева, Н. С.
Перспективным направлением детектирования вредоносных ботов остается анализ биомеханических параметров движения компьютерной мыши, однако существующие работы ограничиваются 10–20 признаками и не учитывают фрактальную природу траектории движения мыши реальным пользователем, что снижает точность классификации. В работе рассматривается подход для создания пространства признаков для последующего выявления автоматизированных средств подмены пользователей (ботов) на основании передвижения компьютерной мыши. Данный подход включает в себя два этапа: формирование временных окон и расчет характеристических признаков для каждого такого окна. Цель работы – сформировать входной характеристический набор признаков, позволяющий описать траекторию реального пользователя как устойчивый биометрический признак, что позволит отличать бота от реального пользователя. Автором проведен анализ работ, описывающих перемещение мыши и определен базовый набор признаков, встречающихся в этих исследованиях. На основании базового набора и в дополнение к нему предложены 166 новых признаков, рассчитанных с использованием порядковых статистик, сравнений распределений параметров с эталонными (датасеты BALABIT, Bogazici, BOT1), параметра хи-квадрат, энтропийных и угловых характеристик. Расширенный входной вектор позволяет решать задачу детектирования ботов с более высокой точностью. Данный расширенный набор признаков в дальнейшем может использоваться для классификации и кластеризации данных в реальном времени, как основа антибот-систем.