Научная библиотека СГЮА

Главная

Упрощенный режим

Описание

Шлюз Z39.50

Базы данных

- результаты поиска

Вид поиска

Книги фонда НБ СГЮА

Дипломные работы выпускников СГЮА за последние 5 лет

Авторефераты

Диссертации

Период.издания науч.абонемента

Редкие книги Научной библиотеки СГЮА

Каталог электронных носителей

Труды ученых СГЮА

Саратовский край

Область поиска

Формат представления найденных документов:
полный	информационный	краткий

Отсортировать найденные документы по:
автору	заглавию	году издания	типу документа

Поисковый запрос: (<.>K=графовые нейронные сети<.>)

Общее количество найденных документов : 5
Показаны документы с 1 по 5

Васильева, К. В.
Обнаружение аномалий в киберфизических системах с использованием графовых нейронных сетей [Текст] = Anomaly detection in cyber-physical systems using graph neural networks / К. В. Васильева, Д. С. Лаврова // Проблемы информационной безопасности. Компьютерные системы. - 2021. - № 1. - С. 117-130 : граф., табл., схемы. - Библиогр.: с. 129-130 (8 назв.) . - ISSN 2071-8217

УДК

^a004.8

ББК 32.813
Рубрики: Радиоэлектроника
Искусственный интеллект. Экспертные системы
Кл.слова (ненормированные):
anomalies of cyberphysical systems -- cyber-physical systems -- graph neural network -- information security -- neural networks -- telemetry data -- аномалии киберфизических систем -- графовые нейронные сети -- информационная безопасность -- киберфизические системы -- нейронные сети -- телеметрические данные
Аннотация: Предлагается применение свёрточных графовых нейронных сетей для обнаружения аномалий в киберфизических системах. Разработана графовая модель, отражающая динамику изменения состояний устройств, представлен алгоритм предварительной обработки данных, обеспечивающий формирование графа на основе исследуемой выборки значений телеметрических показателей. Экспериментальным путем установлены оптимальные параметры нейронной сети, показаны применимость и эффективность предложенной модели для выявления аномалий в киберфизических системах, подтверждена способность модели выявлять и различать классы атак.
The paper proposes the application of convolutional graph neural networks to detect anomalies in cyber-physical systems, developed a graph model reflecting the dynamics of changes in the state of devices, presented an algorithm for data preprocessing, which provides the formation of the graph based on the studied sample of telemetry values. The optimal parameters of the neural network were established experimentally, the applicability and effectiveness of the proposed model for detecting anomalies in cyber-physical systems were shown, and the ability of the model to detect and distinguish between classes of attacks was confirmed.

Доп.точки доступа:
Лаврова, Д. С.
Нет сведений об экземплярах (Источник в БД не найден)

Найти похожие

Изотова, О. А.
Обнаружение фейковых постов с использованием графовых нейронных сетей [Text] = Fake posts detection using graph neural networks / О. А. Изотова, Д. С. Лаврова // Проблемы информационной безопасности. Компьютерные системы. - 2021. - № 3. - С. 34-43 : табл., схема. - Библиогр.: с. 41-42 (16 назв.) . - ISSN 2071-8217

УДК

^a004.41/.42

ББК 32.973-018
Рубрики: Вычислительная техника
Программирование ЭВМ. Компьютерные программы. Программотехника
Кл.слова (ненормированные):
abnormal network traffic -- fake post detection -- fake posts -- information security -- machine learning -- machine learning algorithm -- графовые модели -- графовые нейронные сети -- информационная безопасность -- нейронные сети -- обнаружение фейковых постов -- фейковые посты
Аннотация: Работа посвящена изучению графовых нейронных сетей как отдельной области и возможности их применения для решения такой актуальной задачи кибербезопасности как обнаружение фейковых постов. Представлена реализация собственной модели графовой нейронной сети способной обнаруживать фейковые посты, приводятся результаты экспериментальных исследований, демонстрирующие эффективность использования графовых нейронных сетей для решения поставленной задачи.
The paper is devoted to the study of graph neural networks as a separate field and the possibility of their application to solve such an urgent cybersecurity problem as the detection of fake posts. The implementation of a proprietary graph neural network model capable of detecting fake posts is presented, and the results of experimental studies demonstrating the effectiveness of using graph neural networks to solve the problem are presented.

Доп.точки доступа:
Лаврова, Д. С.
Нет сведений об экземплярах (Источник в БД не найден)

Найти похожие

Сергадеева, А. И.
Обнаружение банковского мошенничества с применением графовых нейронных сетей [Текст] = Banking fraud detection using graph neural networks / А. И. Сергадеева, Д. С. Лаврова // Проблемы информационной безопасности. Компьютерные системы. - 2021. - № 4. - С. 112-122 : табл., диагр. - Библиогр.: с. 120-121 (12 назв.) . - ISSN 2071-8217

УДК

^a004.41/42

ББК 32.973
Рубрики: Вычислительная техника
Программирование ЭВМ. Компьютерные программы. Программотехника
Кл.слова (ненормированные):
bank fraud -- convolutional neural networks -- financial data analysis -- graph neural networks -- information security -- neural networks -- анализ финансовых данных -- банковское мошенничество -- графовые нейронные сети -- информационная безопасность -- нейронные сети -- сверточные нейронные сети
Аннотация: В работе предложено применить графовые нейронные сети для обнаружения случаев банковского мошенничества. Финансовые транзакции представлены в виде графа, а использование графовых нейронных сетей позволяет детектировать транзакции, характерные для мошеннических схем. Результаты экспериментальных исследований демонстрируют перспективность предложенного подхода.
This paper proposes the application of graph neural networks to detect bank fraud. Financial transactions are represented in the form of a graph, and the use of graph neural networks allows the detection of transactions characteristic of fraudulent schemes. Experimental results demonstrate the promise of the proposed approach.

Доп.точки доступа:
Лаврова, Д. С.
Нет сведений об экземплярах (Источник в БД не найден)

Найти похожие

Авдошин, С. М. (кандидат технических наук).
Обзор нейросетевых методов анализа и генерации кода [Текст] = Code analysis and generation methods using neural networks: an overview / С. М. Авдошин, Г. А. Арутюнов // Информационные технологии. - 2022. - Т. 28, № 7. - С. 378-391. - Библиогр.: с. 391 (112 назв.). - Исследование выполнено с использованием суперкомпьютерного комплекса НИУ ВШЭ . - ISSN 1684-6400

УДК

^a004.8

ББК 32.813
Рубрики: Радиоэлектроника
Искусственный интеллект. Экспертные системы
Кл.слова (ненормированные):
IT-специалисты -- artificial intelligence -- code analysis -- code generation methods -- graph neural networks -- machine programming -- neural network technologies -- анализ программного кода -- графовые нейронные сети -- искусственный интеллект -- машинное программирование -- методы генерации кода -- нейросетевые технологии -- пандемия
Аннотация: В условиях пандемии как никогда стала актуальной проблема нехватки кадров в сфере информационных технологий. По оценкам аналитиков в 2021 году Россия не досчиталась от 500 тыс. до 1 млн IT-специалистов. Образование и вывод на рынок такого большого числа специалистов может занять годы. Очень остро стоит вопрос оптимизации процесса создания IT-решений, в том числе путем разработки автоматизированных способов решения рутинных задач. В статье представлен обзор методов применения нейросетевых технологий в области анализа и генерации программного кода.

Доп.точки доступа:
Арутюнов, Г. А. (магистрант)
Нет сведений об экземплярах (Источник в БД не найден)

Найти похожие

Штыркина, А. А.
Метод реконфигурации топологии киберфизической системы на основе графовой искусственной нейронной сети [Текст] = Method of cyberphysical system topology reconfiguration based on graph artificial neural network / А. А. Штыркина // Проблемы информационной безопасности. Компьютерные системы. - 2023. - № 2. - С. 173-182 : диагр., граф. - Библиогр.: с. 180-181 (14 назв.). - Список литературы представлен на русском и английском языках. . - ISSN 2071-8217

УДК

^a004.8

ББК 32.813
Рубрики: Радиоэлектроника
Искусственный интеллект. Экспертные системы
Кл.слова (ненормированные):
artificial neural networks -- cyberphysical systems -- graph neural networks -- neural networks -- reconfiguration of topology of cybersystems -- topology of cybersystems -- графовые нейронные сети -- искусственные нейронные сети -- киберфизические системы -- нейронные сети -- реконфигурация топологии киберсистем -- топология киберсистем
Аннотация: В работе представлен показатель оценки устойчивости киберфизических систем, а также метод их реконфигурации для нейтрализации негативных последствий структурных атак. Предложенный метод применяется для систем, моделирующихся графами, каждой вершине которых сопоставлены атрибуты - типы устройств. Процесс функционирования таких систем определяется путем на графе, проходящим через вершины заданного типа. Метод реконфигурации на основе графовой искусственной нейронной сети (ИНС) направлен на увеличение числа рабочих путей без необходимости добавления новых ребер. Модель ИНС обучалась на синтетическом наборе данных, составленном из случайных графов, типы вершин которых задавались в соответствии с метрикой центральности по посредничеству.
The paper proposed approach to estimation the resilience of cyber-physical systems, as well as a method for their reconfiguration to neutralize the negative effects of structural attacks. The proposed method is applied to systems modeled by graphs, each vertex of which is associated with attributes - types of devices. The functioning of such systems is determined by the path on the graph, passing through the vertices of a given type. The reconfiguration method based on the graph artificial neural network (ANN) aims at increasing the number of working paths without the need to add new edges. The ANN model was trained on a synthetic dataset composed of random graphs whose vertex types were specified according to the betweenness centrality metric.

Нет сведений об экземплярах (Источник в БД не найден)

Найти похожие

Тематический навигатор

© Международная Ассоциация пользователей и разработчиков электронных библиотек и новых информационных технологий
(Ассоциация ЭБНИТ)