Централизованное обнаружение вторжений в распределённых корпоративных инфраструктурах (филиальные сети, удалённые офисы и промышленный/корпоративный IoT) создаёт ограничения по приватности и соблюдению требований (комплаенсу), поскольку требует централизации конфиденциальной телеметрии. В работе исследуется приватно-сохраняющий дизайн IDS на основе федеративного обучения (FL) с дифференциально-приватным локальным обучением (DP-SGD). Клиенты обучаются локально на признаках, извлечённых из сетевых потоков, и структурированной событийной телеметрии, а координатору для агрегации передаются только обновления модели. Мы оцениваем бюджет приватности (ε, δ) с использованием учёта приватности на основе RDP и качество обнаружения по метрикам Accuracy и Macro-F1. Эксперименты на CICIDS 2018 и наборе данных CERT Insider Threat v6.2 демонстрируют ожидаемый компромисс «приватность–полезность»: обучение с DP снижает полезность по сравнению с не-приватным централизованным обучением, а FL с DP обычно приводит к дополнительному снижению при гетерогенных (non-IID) разбиениях клиентов, оставаясь практичным при явных бюджетах приватности (основное сравнение: ε ≈ 1.8-2.0). Также приводятся эксплуатационные показатели, релевантные для SOC: время обучения, пиковое потребление памяти, задержка вывода (inference) и размер модели, а также сравнение с базовыми моделями Random Forest и XGBoost.

В статье рассматривается роль графовых нейронных сетей (GNN) как нового вычислительного инструмента в развитии теории семантико-ассоциативного анализа текстовых данных. GNN позволяют формализовать ассоциативные связи между лексическими и концептуальными единицами в виде динамических семантических графов, что приближает машинные модели обработки языка к когнитивным механизмам человеческого мышления. Предложена концептуальная архитектура на основе Graph Attention Networks, интегрирующая лингвистические зависимости и внешние семантические знания, что обеспечивает контекстную адаптацию и интерпретируемость анализа. Обосновывается теоретический вклад GNN в преодоление ограничений традиционных статистических и векторных моделей: переход от изолированных представлений слов к моделированию распространения смысловой активации по сети ассоциаций. Результаты предварительных экспериментов (на основе синтетических данных и корпуса RuSentiment) демонстрируют повышение точности семантической классификации и интерпретируемости выводов. Статья вносит вклад в междисциплинарный синтез компьютерной лингвистики, когнитивной науки и машинного обучения, открывая путь к построению вычислимых теорий смыслопорождения в текстах.

В статье исследуется устойчивость модели адаптивной аутентификации к целевым оптимизационным атакам имитации гибридного цифрового отпечатка. Предложено адверсариальное расширение модели адаптивной аутентификации, основанной на цифровом отпечатке, объединяющем технические и поведенческие атрибуты. Атака формализована как задача условной оптимизации с раздельными величинами допустимых возмущений технических (ε_d) и поведенческих (ε_b) атрибутов в условиях ограниченной обратной связи. Для оценки устойчивости модели введена вероятностная мера устойчивости R, согласованная с классическими метриками FAR/FRR. Экспериментальная проверка проведена на датасете из 1280 сессий (32 пользователя, 30 признаков) с использованием алгоритма CMA-ES. Результаты экспериментов показали, что модели с адаптивным взвешиванием обеспечивают двукратное повышение устойчивости относительно модели с равными весами в зоне реалистичных атак (ε_b≤0.2): R=0.66-0.79 против 0.39–0.53, и снижают вероятность успешной атаки до 0.36 при стратегии оптимизации технических и поведенческих признаков. Экспериментально установлено, что автоматическое снижение весов при росте дисперсии признаков затрудняет целевые оптимизационные атаки злоумышленников. Выявленная уязвимость защиты при ε_d≥0.5 (R≤0.07) определяет границы применимости модели и обосновывает необходимость многофакторной аутентификации при высокой доле возмущений.

В данной работе представлен метод снижения пик-фактора (PAPR) в гибридных спутниковых сетях связи с использованием методов ортогонального доступа и формирующих фильтров. Предложенный подход объединяет гибкие защитные интервалы и методы формирующей фильтрации для оптимизации передачи сигналов в низкоорбитальных спутниковых сетях. Исследованы несколько типов фильтров, включая приподнятый косинус (RC), корень из приподнятого косинуса (RRC), полосно-настроенный приподнятый косинус (BTRC) и его оптимизированную версию (OBTRC). Предложен новый вариант формирующего фильтра на базе OBTRC. Метод оценивается с использованием технологий OFDM и DFT-s-OFDM с модификациями нулевого хвоста и уникального слова. Результаты моделирования показывают снижение PAPR на 0.5-2 дБ по сравнению с традиционными подходами.

Цель статьи - описание разработки и хода апробации на базе Новосибирского государственного университета концепции умного кампуса, основанной на подходах и лучших практиках концепции умного города, с учетом адаптации к специфике университетской среды.

Исследование опирается на трансляцию подходов умного города в университетскую среду с учетом отличий масштаба, акторов и специфики университетской среды. Основные подходы включают анализ стратегических и нормативных документов, процессное моделирование, а также пилотирование на площадке НГУ.

Ключевой результат - целостная концепция умного кампуса НГУ: описаны ключевые домены (цифровой двойник университета, система управления инфраструктурой и ресурсами, безопасность, финансовое планирование, единая цифровая среда, информационные и клиентские сервисы), описана модель управления умным кампусом, сформирована дорожная карта и система KPI для поэтапной оценки эффективности системы.

Практическая ценность результатов заключается в возможности перенесения лучших практик и систем, апробированных в реальных условиях в другие университеты.

Целевая аудитория статьи - исследователи в области управления образованием и цифровой трансформацией, университетские и кампусные управленческие команды, представители федеральных и региональных органов власти и технологические партнеры.

В статье рассматриваются ключевые принципы построения подсистемы информационной безопасности MLOps (Machine Learning Operations), учитывая растущую актуальность и уязвимость систем машинного обучения в современных условиях. В работе рассматриваются основные регуляторные требования к информационной безопасности систем, использующих машинное обучение, включая анализ требований ФСТЭК России. Обосновывается необходимость адаптации современных решений MLSecOps к условиям российского законодательства. Проведён анализ ключевых рисков кибербезопасности, характерных для каждого этапа жизненного цикла MLOps, а также представлены существующие методы и подходы их митигации. В работе приведена математическая формализация для оценки защищенности системы, учитывающей технические и регуляторные требования, а также требования к импортозамещению. Представлен концептуальный состав модулей подсистемы ИБ. Результаты исследования направлены на создание эффективной и надежной подсистемы защиты конвейеров MLOps и снижения рисков, связанных с использованием технологий машинного обучения.

В данной статье представлена адаптация модели глубокого обучения на основе остаточной нейронной сети ResNet с модулями внимания CBAM для прогнозирования содержания азота, фосфора и калия в почвах центральной России по данным спектроскопии в видимом и ближнем инфракрасном диапазонах. Модель, предобученная на глобальной библиотеке LUCAS, дообучена на локальной выборке из 100 образцов почв Воронежской, Курской, Ростовской областей и Краснодарского края. Применена стратегия частичной заморозки слоев. После дообучения достигнуты коэффициент детерминации 0,91 и относительное отклонение прогноза 3,01 для азота, для фосфора – 0,56 и 2,40 соответственно. Показана возможность использования портативных спектрометров в системах точного земледелия.

В статье предложен метод оценки динамического коэффициента готовности оборудования телекоммуникационных сетей с учётом сезонных изменений параметров заземляющих устройств. Разработана математическая модель, учитывающая влияние температуры и влажности грунта, грозовой активности, процессов промерзания-оттаивания и коррозии на удельное сопротивление грунта и сопротивление заземлителей. Показано, что в весенний период, когда грунт ещё не полностью оттаял, а грозовая активность уже возрастает, коэффициент готовности оборудования снижается из-за ухудшения параметров заземления. Обоснована необходимость непрерывного мониторинга параметров заземляющих устройств для оперативного выявления отклонений и поддержания требуемого уровня надёжности телекоммуникационного оборудования.