В статье представлена математическая модель, формализующая процесс управления научной деятельностью организации. В основе модели лежат инструменты теории массового обслуживания. При построении используется принцип гибели - размножения. Для частного случая приводится граф состояний и соответствующая система дифференциальных уравнений Колмогорова. Интенсивность входного и выходного потоков рассматриваются как нестационарные потоки, зависящие от времени. Модель позволяет рассматривать различные структуры и схемы взаимодействия научных подразделений и различные сценарии постановки научных задач и интенсивности их решения работниками организации. Для построенной модели разработан программный комплекс по принятию решения для оптимального управления научной деятельностью подразделения. В статье представлен один из результатов экспериментального и модельного исследования влияния мотивационной составляющей и уровня компетентности сотрудников.

Ключевые слова: научная деятельность, математическая модель, система массового обслуживания, принцип гибели-размножения, граф состояний, система дифференциальных уравнений

1.2.2 - Математическое моделирование, численные методы и комплексы программ , 2.3.4 - Управление в организационных системах

При активном внедрении и использовании интернет-технологий во все сферы жизни человека, обеспечение сетевой безопасности является важной и актуальной задачей. В статье проанализированы перспективы использования искусственных нейронных сетей для анализа сетевого трафика с целью обнаружения компьютерных атак. Рассмотрены различные конфигурации сетей в качестве метода машинного обучения. Для обучения и тестирования был использован набор данных UNSW-NB 15, имеющий свободный доступ. Данный датасет, созданный Австралийским центром кибербезопасности, содержит параметры как нормального трафика, так и аномального трафика. Представлены результаты вычислительных экспериментов, по результатам которых сделаны выводы.

Ключевые слова: сетевой трафик, компьютерная атака, искусственная нейронная сеть, анализ трафика, конфигурация нейронной сети

2.3.1 - Системный анализ, управление и обработка информации , 2.3.6 - Методы и системы защиты информации, информационная безопасность

Одно из основных условий обеспечения информационной безопасности состоит в предупреждении распространения ложных и намеренно искаженных сведений. Решением данной задачи может служить фильтрация контента информационных ресурсов Интернета. Последнее время для анализа и классификации распространяемых данных все чаще рассматривается подход, использующий методы и математические модели искусственного интеллекта. Использование нейросетей позволяет автоматизировать процесс обработки большого массива информации и подключать человека только на этапе принятия решения. В работе основное внимание уделено процессу обучения нейронной сети. Рассмотрены различные алгоритмы обучения: стохастический градиентный спуск, Adagrad, RMSProp, Adam, AdaMax и Nadam. Приведены результаты реализации распознавания тематики текста с помощью рекуррентной нейронной сети модели LSTM. Представлены результаты вычислительных экспериментов, проведен анализ и сделаны выводы.

Ключевые слова: информационная безопасность, анализ текста, метод искусственного интеллекта, искусственная нейронная сеть, рекуррентная сеть LSTM

1.2.2 - Математическое моделирование, численные методы и комплексы программ , 2.3.6 - Методы и системы защиты информации, информационная безопасность