Статья посвящена анализу влияния технологий искусственного интеллекта (ИИ) и машинного обучения на развитие, трансформацию киберугроз и создание высокоэффективных систем киберзащиты. Рассматриваются ключевые направления эволюции ИИ, включая ориентированные на данные, модели, приложения и человека подходы, и их роль в формировании как защитных, так и наступательных возможностей. Показано, что злоумышленники активно используют ИИ для автоматизации разведки, персонализации атак, обхода систем обнаружения и проведения сложных многоэтапных кибератак. Анализируются основные типы воздействий на системы машинного обучения: манипуляция данными, состязательные примеры, атаки на модели и их инфраструктуру. Представлены современные методы защиты, повышающие робастность моделей, защищённость данных и устойчивость ИИ-систем. Выдвигается идея о необходимости интеграции интеллектуальных подходов на всех уровнях архитектуры киберзащиты и разработки доверенных, интерпретируемых и устойчивых моделей машинного обучения для противодействия новым классам угроз.

Ключевые слова: искусственный интеллект, кибербезопасность, кибератака, машинное обучение, инновация защищенность, информация, защищенность

2.3.6 - Методы и системы защиты информации, информационная безопасность

В данной статье предлагается новая концепция управления производством холдинга химической промышленности как основы математического обеспечения автоматизированной системы управления. В основе концепции лежит использование как традиционных методов проактивного управления (превентивного и предиктивного), так и проактивного управления нового поколения, которое не только упреждает наступление нежелательных событий, но и обеспечивает снижение частоты появления подобных событий в будущем. Разработана система основных понятий (концептов) и принципов проактивного управления производством. Предложенная концепция позволит развить существующее математическое обеспечение автоматизированной системы управления производством и повысить его эффективность. 

Ключевые слова: производство, автоматизированная система управления производством, математическое обеспечение, концепция, проактивность, стратегии, проактивное управление

2.3.1 - Системный анализ, управление и обработка информации , 2.3.4 - Управление в организационных системах

В статье рассмотрены основные подходы к решению задач компьютерного зрения с использованием нейронных сетей. Описаны типы задач, решаемых при помощи компьютерного зрения. Представлены механизмы функционирования сверточной нейронной сети. Рассмотрена задача выбора модели обнаружения объектов, обобщающую более изученную задачу классификации объектов и оценка эффективности алгоритмов обнаружения объектов. В статье также освещены современные подходы к обучению нейронных сетей, включая использование предобученных моделей и методов переноса знаний. Описаны преимущества и ограничения различных архитектур сверточных нейронных сетей. Рассмотрены методы увеличения данных для повышения качества моделей. Приведены примеры использования алгоритмов компьютерного зрения в распознавании лиц и диагностике. Оценены метрики точности. Проанализированы перспективы интеграции компьютерного зрения в прикладных задачах. Обсуждаются будущие направления исследований в этой области.

Ключевые слова: компьютерное зрение, архитектура, сверточные нейронные сети, цифровое изображение, классификация объектов.

2.3.1 - Системный анализ, управление и обработка информации , 2.3.7 - Компьютерное моделирование и автоматизация проектирования