SCI Библиотека

Статья посвящена исследованию возможностей применения нейронных сетей для анализа больших данных в режиме реального времени в сфере информационной безопасности. Актуальность темы обусловлена стремительным ростом объемов генерируемых данных, усложнением методов кибератак и необходимостью разработки новых эффективных подходов к защите информации. В работе подробно рассматриваются ключевые задачи, решаемые с помощью нейросетевых технологий, включая обнаружение аномалий в сетевом трафике, предотвращение распределенных атак типа DDoS, классификацию вредоносного программного обеспечения и прогнозирование новых киберугроз. Особое внимание уделяется уникальным преимуществам нейронных сетей, таким как способность обрабатывать экстремально большие объемы разнородных данных, выявлять сложные неочевидные паттерны атак, непрерывно обучаться и адаптироваться к быстро меняющимся условиям киберсреды. В работе использованы методы глубокого обучения, включая сверточные и рекуррентные нейронные сети, для анализа больших данных и выявления киберугроз. Применены подходы к обработке данных в реальном времени и оценке устойчивости моделей. Проведенное исследование демонстрирует, что современные нейросетевые архитектуры обладают значительным потенциалом для революционного преобразования систем информационной безопасности. Ключевыми преимуществами являются сверхвысокая скорость обработки потоковых данных, способность детектировать ранее неизвестные типы атак благодаря выявлению сложных корреляций, а также возможность прогнозирования угроз на основе анализа исторических данных. Однако исследование также выявило серьезные технологические вызовы: чрезмерную потребность в вычислительных ресурсах для обучения сложных моделей, проблему “черного ящика” при интерпретации решений, уязвимость самих нейросетевых моделей к специализированным атакам (adversarial attacks), а также этические аспекты автоматизированного принятия решений в кибербезопасности. В статье представлены успешные кейсы внедрения, включая системы обнаружения вторжений нового поколения и платформы анализа вредоносного кода. Перспективными направлениями дальнейших исследований авторы видят разработку энергоэффективных нейросетевых моделей, создание методов объяснимого ИИ для безопасности и развитие адаптивных систем, способных эволюционировать вместе с киберугрозами. Полученные результаты представляют ценность для специалистов по кибербезопасности, разработчиков защитных решений и исследователей в области искусственного интеллекта.

В данной статье исследовано влияние искусственного интеллекта на повышение эффективности управления в нефтегазовой отрасли. Авторы, анализируя влияние искусственного интеллекта (ИИ) на повышение эффективности в нефтегазовой отрасли, включая оптимизацию разведки, добычи, логистики и экологической безопасности; размер рынка; долгосрочные тенденции в областях применения и т. д., выделяют ключевые технологические решения. К ним относятся автоматизация анализа данных, прогнозирование рисков и интеграция IoT-платформ. На основе проведенного исследования предлагается расширить использование искусственного интеллекта для повышения эффективности нефтегазовой отрасли посредством внедрения гибридных алгоритмов машинного обучения, усиления межотраслевого сотрудничества и разработки стандартов цифровой безопасности. Особое внимание уделяется роли ИИ в снижении углеродного следа и адаптации к глобальным климатическим инициативам. Использованы методы машинного обучения, анализ больших данных и кейс-стади ведущих компаний (Schlumberger, ExxonMobil, СИБУР). Применены статистические модели для оценки снижения затрат на добычу (до 40%) и повышения точности геофизической разведки. Данные получены из отраслевых отчетов, патентных баз и программных решений. ИИ используется для оцифровки производственных записей и автоматического анализа геологических данных, на основе глубинных нейросетей, что позволяет выявлять проблемы и оптимизировать ключевые процессы разведки нефти. Интеллектуальный анализ рыночного спроса через сбор данных и визуализацию повышает эффективность цепочек поставок. Современные коммерческие решения стимулируют цифровую трансформацию отрасли и инновации. Результаты исследования применимы для оптимизации разведки, добычи и логистики. В отличие от существующих работ, акцент сделан на специфику развивающихся рынков. Несмотря на текущие проблемы (затраты, качество данных), внедрение ИИ позволит: Усилить сбор данных каротажа; Внедрить интеллектуальную геофизическую разведку; Автоматизировать диагностику неисправностей. Ключевое направление - создание инновационного исследовательского центра для ускорения цифровой трансформации и внедрения инноваций.

Развитие цифровой экономики в России сталкивается с противоречием между необходимостью свободного обмена большими данными и усилением контроля за персональными данными. Введение национального проекта «Экономика данных» и новых федеральных законов о персональных и деперсонализированных данных обострило проблемы правового регулирования этой сферы. Исследование направлено на выявление экономических проблем в области больших данных, возникающих из-за регуляторных пробелов и новых норм защиты персональной информации. Методологической основой выступает новая институциональная теория, в частности теория управления трансакциями О. Уильямсона. В статье применяются методы сравнительного институционального анализа и экономико-математического моделирования для оценки эффективности штрафных санкций. Установлены различия в специфичности больших и персональных данных как ресурсов, что обосновывает необходимость дифференцированного регуляторного подхода. Выявлены структурные альтернативы регулирования: от полного государственного контроля до рыночных механизмов с промежуточными гибридными формами. Основными препятствиями развития рынка больших данных являются неопределенность статуса обезличенных данных и отсутствие надежных методов деперсонализации. Моделирование показало, что введение оборотных штрафов создает чрезмерную нагрузку на малые и средние предприятия, предварительно инвестировавшие в кибербезопасность. Обеспечение развития цифровых отраслей требует обязательного государственно-частного партнерства в нормотворчестве через саморегулируемые организации, учитывающего высокую скорость технологических изменений.

В условиях быстрого развития информационных технологий частичная автоматизация государственных услуг, а также простое перенесение учёта в электронный вид документов большого количества государственных субъектов не отвечает современным реалиям. В ситуации глобальной конкуренции мы должны думать не просто о соответствии современным нормам развития информационных технологий, но и превышать их, особенно если они соответствуют целям стратегического развития Российской Федерации. В этом контексте представляется целесообразным внедрение искусственного интеллекта при оказании комплексных государственных услуг и сервисов.

Статья посвящена анализу эпистемологических и методологических проблем интеграции цифровых следов в эмпирическую социологию. Актуальность темы определяется ростом объёма цифровых данных и необходимостью их осмысленной интеграции в социальные науки. Как показывает опыт других исследователей, на текущий момент анализ цифровых поведенческих данных вызывает скорее объект критики. Из этого напрямую вытекает цель данной статьи - проанализировать и выявить эпистемологические и методологические сложности интеграции цифровых следов в социологическую традицию, а также показать, что работа с подобного типа данными находится в гораздо более широкой историко-теоретической рамке. Кроме того, поставлена задача обосновать необходимость интерпретативного подхода на любых объемах цифровых данных и подчеркнуть необходимость контекстуализации и критической рефлексии на всех этапах исследования. Методологическую основу статьи составляют общенаучные методы - теоретико-методологический анализ, сравнение и обобщение научных источников по проблеме исследования. В результате исследования обоснована необходимость комплексного подхода, предполагающего различную основу источников цифровых поведенческих данных, сочетание количественного анализа цифровых данных с интерпретацией, учёта платформенной специфики, возможной алгоритмической селекцией при формировании выборки выгружаемых данных и необходимость проверки аутентичности данных на наличие автоматизированной активности. Сделан вывод о необходимости критического отношения на всех этапах исследования к цифровым данным и понимания их как знаков, требующих научной рефлексии, а не как готовых эмпирических фактов. Тем не менее, выявлено, что такая точка зрения прослеживается и в более ранних ключевых работах о нереактивной исследовательской стратегии в социологии. На основе проведенной работы были предложены рекомендации и примеры работ, использующих интепретативную рамку, как на уровне качественной стратегии цифровых исследований, так в масштабах, понимающихся в широком дискурсе, как Большие данные.

Предметом исследования является процесс управления сложными социальными системами, объектом исследования - эффективность управления и её повышение за счёт использования обратной связи. Отсутствие обратной связи является одним из наиболее существенных недостатков любой системы управления. В то же время, большинство систем социального управления, такие, как системы муниципального и государственного управления, в полноценном понимании таких систем не имели. Это определялось, в первую очередь, техническими проблемами, а именно, отсутствием средства оперативного сбора и обработки больших объёмов слабоформализованной информации. В настоящее время, с появлением технологий обработки больших данных Big data, появилась возможность реализации данных требований. Соответственно, актуальной стала выработка требований к таким системам, обоснование требуемых параметров, структуры и характеристик обратной связи. Для этого в статье предложено использовать методы математического моделирования, с описанием модели в терминах теории автоматического управления. На основе анализа особенностей управления сложными человеко-машинными системами синтезированы предложения по организации обратной связи для повышения устойчивости управления ими. С использованием общенаучных методов анализа и синтеза, в статье сформулированы основные принципы организации обратной связи в социальных системах управления. Основным выводом является возможность внедрения технологий обратной связи в системы муниципального и государственного управления, а также их положительного влияния на функционирование системы управления. Основными научными результатами, изложенными в статье, можно считать выводы по оценке эффективности реализации обратной связи. Авторами обоснованы требования к компонентам обратной связи, их влияние на устойчивость и эффективность управления. Разработанные в статье положения могут повысить эффективность функционирования систем муниципального и государственного управления. С учётом турбулентности современного мира, использования деструктивных социальных технологий в рамках «гибридного» противоборства, предложенные методы могут обеспечить повышение устойчивости и эффективности системы управления, обеспечивая устойчивость государства в целом.

В условиях стремительной цифровой трансформации экономики особую актуальность приобретают вопросы повышения эффективности управления цепями поставок на основе внедрения киберфизических систем, выявления закономерности и механизмов влияния киберфизических систем на эффективность логистических операций, а также определения ключевых факторов достижения успешного результата. Исследование основано на анализе эмпирических данных более чем 500 компаний из различных отраслей, дополненном экспертными оценками. В работе использованы методы многомерной статистики и эконометрического моделирования. Установлено, что внедрение киберфизических систем существенно повышает эффективность логистических процессов за счет создания единого цифрового пространства и интеграции физических и информационных потоков. Выявлены ключевые факторы успеха: уровень интеграции систем, инвестиции в информационно-технологическую инфраструктуру, качество данных и цифровые компетенции персонала. Определены основные барьеры внедрения: несовместимость с существующими системами, высокая стоимость решений, проблемы кибербезопасности. Проведенное исследование демонстрирует, что масштабное применение киберфизических систем формирует новую парадигму «умной логистики» в современном мире. Полученные результаты служат надежным ориентиром для разработки стратегий цифровой трансформации и имеют важное значение для развития теории управления логистическими системами.

В современных условиях цифровые инновации способствуют рациональной интеграции услуг традиционных финансовых институтов и широкого использования доступных и надежных цифровых технологий в системе оказания финансовых услуг. Целью работы является исследование влияния цифровых инноваций на финансовые услуги, выявление рисков, возможностей и тенденций развития в контексте эффективного функционирования финансовой системы. На основе системного подхода проводится изучение влияния цифровых инноваций на качество и доступность финансовых услуг. В работе выделены этапы развития цифровых финансов. Сделан акцент на том, что цифровые финансы включают в себя широкий спектр услуг и продуктов. Дана характеристика основных технологий в трансформации финансовых услуг: искусственный интеллект, большие данные и блокчейн. Раскрывается влияние цифровых инноваций на приемлемость финансовых услуг, включающих: улучшение качества обслуживания потребителей; рациональную организацию процессов; снижение времени обработки операций; снижение рисков; обеспечение прозрачности проводимых операций; снижение операционных издержек; повышение доступности финансовых услуг. На основе проведенного анализа обозначены основные тенденции развития цифровой экономики в финансовой сфере: рост электронных платежей; широкое распространение онлайн-банкинга и финансовых платформ; развитие финансовых технологий (финтех); улучшение финансовой аналитики. Комплексный подход позволяет всесторонне оценить текущие и потенциальные изменения в финансовом секторе под воздействием цифровых инноваций.

В статье исследуется роль искусственного интеллекта (ИИ) в цифровой трансформации экономики строительства, с акцентом на прогнозирование рисков, оптимизацию ресурсов и обеспечение устойчивого развития. Проанализированы методы машинного обучения, интеграция IoT и BIM-моделирования, а также их влияние на снижение издержек, повышение ROI и минимизацию экологических рисков. Практические проекты российских компаний (ПИК Group, «Газпром строй», «СберСтрой») демонстрируют, как ИИ снижает аварийность на 25-40%, оптимизирует логистику и предотвращает утечки данных. Особое внимание уделено кибербезопасности: алгоритмы ИИ и блокчейн снижают риски атак на IoT-системы на 60%. Исследование выявляет ключевые проблемы цифровизации, включая зависимость от качества данных и необходимость баланса между автоматизацией и экспертным контролем. Показано, что внедрение ИИ требует системного подхода, включающего аудит данных, пилотные проекты и обучение персонала.

В статье выявлено использование наиболее оптимальных технологий внедрения цифровых сервисов в сферах туризма и гостеприимства. Крайне важно, эффективно внедрять IT-технологии на предприятиях группы сервиса, а именно, сферы туризма и индустрии гостеприимства в эпоху цифрового развития общества. Ведь предоставления качественных услуг в этих сферах улучшает качество и уровень жизни населения, влияя на улучшение производственных показателей их деятельности и многое другое. В данной статье обозначены преимущества использования цифровых технологий в повышении цифровой активности потребителей услуг сферы туризма и гостеприимства и эффективность работы предприятий группы сервиса. Описаны факторы, влияющие на принятие решения туристов при проведении времени досуга и отдыха населения с учетом цифровых технологий. Исследованы скорости передачи данных в гостиницах и на предприятиях общественного питания, в сравнении с данными по все РФ. Сделаны соответствующие выводы о внедрении цифровых сервисов на предприятиях группы сервиса, что подтверждается эффективностью функционирования предприятий сферы туризма и индустрии гостеприимства.