Фильтр. Формальная проверка: Ошибок нет
1

001 prii21_to16_no3_ss9_ad1

100 ## $a20210924d2021 e y0rusy0400

101 0# $arus

102 ## $aRU

200 1# $aПредварительная оценка прагматической ценности информации в задаче классификации на основе глубоких нейронных сетей$fВ. П. Мешалкин, М. И. Дли, А. Ю. Пучков, Е. И. Лобанева

225 1# $aЛаборатория

225 1# $aМодели и методики

203 ## $aТекст$cнепосредственный

320 ## $aБиблиогр. в конце ст. (18 назв.)

330 ## $aПредложен метод предварительной оценки прагматической ценности информации в задаче классификации состояния объекта на основе глубоких рекуррентных сетей долгой краткосрочной памяти. Цель проводимого исследования состояла в разработке метода прогноза состояния контролируемого объекта при минимизации количества используемых прогностических параметров, достигаемой с помощью предварительной оценки прагматической ценности информации. Это особенно актуальная задача в условиях обработки больших данных, характеризуемых не только значительными объемами поступающей информации, но и скоростью ее поступления и полиформатностью.

333 ## $a16+

461 #0 $12001 $aПрикладная информатика$1011 $a1993-8314

463 #0 $12001 $aТ. 16, № 3$vС. 9-20$1210 $d2021

606 ## $aВычислительная техника$2AR-MARS

606 ## $aИмитационное компьютерное моделирование$2AR-MARS

610 0# $aалгоритм

610 0# $aбольшие данные

610 0# $aгенерация

610 0# $aдеревья решений

610 0# $aинформация

610 0# $aклассификация

610 0# $aпрагматическая ценность информации

610 0# $aпредиктор

610 0# $aрекуррентные нейронные сети

675 ## $a004.94

686 ## $2rubbk$a32.973-018.2$vТаблицы для массовых библиотек

701 #1 $aМешалкин$bВ. П.$gВалерий Павлович$cдоктор технических наук; профессор$pРоссийский химико-технологический университет им. Д. И. Менделеева (Москва)$4070

701 #1 $aДли$bМ. И.$gМаксим Иосифович$cдоктор технических наук; профессор$pфилиал Федерального государственного бюджетного образовательного учреждения высшего образования "Национальный исследовательский университет "МЭИ"" в г. Смоленске$4070

701 #1 $aПучков$bА. Ю.$gАндрей Юрьевич$cкандидат технических наук; доцент$pфилиал Федерального государственного бюджетного образовательного учреждения высшего образования "Национальный исследовательский университет "МЭИ"" в г. Смоленске$4070

701 #1 $aЛобанева$bЕ. И.$gЕкатерина Ивановна$cаспирант$pФедеральное государственное бюджетное образовательное учреждение высшего образования "Национальный исследовательский университет "МЭИ", Москва$4070

005 20210924030302.0

901 ## $aдля МАРК-SQL$tb

014 ## $aRUMARS-prii21_to16_no3_ss9_ad1$2AR-MARS

903 ## $acode$bprii$cУфимский государственный нефтяной технический университет$d16938

903 ## $ayear$b2021

903 ## $ato$b16

903 ## $ano$b3

903 ## $ass$b9

903 ## $aad$b1

801 #0 $aRU$b45013519$c20210924$gRCR

801 #1 $aRU$b45013519$c20210924

801 #2 $aRU$bAR-MARS$c20210924$gRCR

801 #3 $aRU$bAR-MARS$c20210924
2

001 prii21_to16_no3_ss21_ad1

100 ## $a20210913d2021 e y0rusy0400

101 0# $arus

102 ## $aRU

200 1# $aПрименение неоднородных сверточных нейронных сетей для построения маршрутов перемещения объектов в пространственных средах с накопленным энергетическим потенциалом$fЮ. Н. Лавренков

225 1# $aЛаборатория

225 1# $aМодели и методики

203 ## $aТекст$cнепосредственный

320 ## $aБиблиогр. в конце ст. (17 назв.)

330 ## $aРассматривается решение задачи синтеза гибридной нейронной сверточной сети, архитектура которой базируется на применении модульной топологии, позволяющей организовать параллельную сверточную вычислительную систему, в которой передача энергии совмещается с процессами информационной обработки, что делает возможным моделирование комплексных процессов функционирования естественных биологических нейронных популяций. Система межслоевой нейронной коммутации, основанная на применении распределенных резонансных контуров, между индуктивными элементами которых расположены слои электромагнитного метаматериала, рассматривается как основа для моделирования взаимодействия астроцитных сетей и нейронных скоплений, отвечающих за обработку информации. В результате процесс обработки данных рассматривается не только на уровне прохождения сигналов через нейронные элементы, но и как процедура взаимодействия искусственных нейронов и астроцитных сетей, обеспечивающих их функционирование.

333 ## $a16+

461 #0 $12001 $aПрикладная информатика$1011 $a1993-8314

463 #0 $12001 $aТ. 16, № 3$vС. 21-37$1210 $d2021

606 ## $aВычислительная техника$2AR-MARS

606 ## $aИмитационное компьютерное моделирование$2AR-MARS

610 0# $aактивность нейронной сети

610 0# $aастроциты

610 0# $aметаповерхности

610 0# $aнейронная коммутация

610 0# $aнейронные контуры

610 0# $aнейронные сети

610 0# $aсверточные сети

610 0# $aэлектромагнитная энергия

675 ## $a004.94

686 ## $2rubbk$a32.973-018.2$vТаблицы для массовых библиотек

700 #1 $aЛавренков$bЮ. Н.$gЮрий Николаевич$cкандидат технических наук; доцент$pКалужский филиал Московского государственного технического университета им. Н. Э. Баумана$4070

005 20210924030302.5

901 ## $aдля МАРК-SQL$tb

014 ## $aRUMARS-prii21_to16_no3_ss21_ad1$2AR-MARS

903 ## $acode$bprii$cУфимский государственный нефтяной технический университет$d16938

903 ## $ayear$b2021

903 ## $ato$b16

903 ## $ano$b3

903 ## $ass$b21

903 ## $aad$b1

801 #0 $aRU$b45013519$c20210913$gRCR

801 #1 $aRU$b45013519$c20210913

801 #2 $aRU$bAR-MARS$c20210924$gRCR

801 #3 $aRU$bAR-MARS$c20210924
3

001 prii21_to16_no3_ss38_ad1

100 ## $a20210924d2021 e y0rusy0400

101 0# $arus

102 ## $aRU

200 1# $aИнтеллектуальный программный комплекс моделирования процессов оптимизации управления деятельностью розничного блока банка$fА. Ф. Шориков, А. С. Филиппова, В. А. Тюлюкин

225 1# $aИТ-менеджмент

225 1# $aУправление эффективностью

203 ## $aТекст$cнепосредственный

320 ## $aБиблиогр. в конце ст. (12 назв.)

330 ## $aВ настоящее время одним из основных направлений в области автоматизации банковских процессов является создание и внедрение комплексных систем поддержки принятия управленческих решений. В данной статье представлено описание интеллектуального компьютерного программного комплекса, позволяющего моделировать оптимизацию программного и адаптивного управления конкретными бизнес-процессами - численностью персонала и системой продаж Розничного блока коммерческого банка. Основу разработанного программного комплекса составляют дискретная динамическая экономико-математическая модель исследуемых бизнес- процессов и разработанные алгоритмы оптимизации программного и адаптивного управления данными процессами. Рассматривается процесс принятия решений о наборе/сокращении штата различных категорий сотрудников Розничного блока коммерческого банка, а также об управлении системой продаж, обеспечиваемой соответствующими сотрудниками. В работе представлены основные этапы создания предлагаемой управляемой динамической модели при наличии векторного критерия качества. На основании компьютерного моделирования с помощью разработанного интеллектуального компьютерного программного комплекса получены оптимальные решения для различных вариантов практических примеров.

333 ## $a16+

461 #0 $12001 $aПрикладная информатика$1011 $a1993-8314

463 #0 $12001 $aТ. 16, № 3$vС. 38-56$1210 $d2021

606 ## $aВычислительная техника$2AR-MARS

606 ## $aИмитационное компьютерное моделирование$2AR-MARS

610 0# $aадаптивное управление

610 0# $aбанковские процессы

610 0# $aдинамическое моделирование

610 0# $aинтеллектуальный программный комплекс

610 0# $aоптимизация управления

610 0# $aпринятие решений

610 0# $aпрограммное управление

675 ## $a004.94

686 ## $2rubbk$a32.973-018.2$vТаблицы для массовых библиотек

700 #1 $aШориков$bА. Ф.$gАндрей Федорович$cдоктор физико-математических наук; профессор$pУральский федеральный университет им. первого Президента России Б. Н. Ельцина$4070

701 #1 $aФилиппова$bА. С.$gАнна Сергеевна$cруководитель проектов$pПАО "Сбербанк", Москва$4070

701 #1 $aТюлюкин$bВ. А.$gВладимир Александрович$cкандидат физико-математических наук; доцент$pУральский государственный экономический университет$4070

005 20210924030302.6

901 ## $aдля МАРК-SQL$tb

014 ## $aRUMARS-prii21_to16_no3_ss38_ad1$2AR-MARS

903 ## $acode$bprii$cУфимский государственный нефтяной технический университет$d16938

903 ## $ayear$b2021

903 ## $ato$b16

903 ## $ano$b3

903 ## $ass$b38

903 ## $aad$b1

801 #0 $aRU$b45013519$c20210924$gRCR

801 #1 $aRU$b45013519$c20210924

801 #2 $aRU$bAR-MARS$c20210924$gRCR

801 #3 $aRU$bAR-MARS$c20210924
4

001 prii21_to16_no3_ss57_ad1

100 ## $a20210915d2021 e y0rusy0400

101 0# $aeng

102 ## $aRU

200 1# $aSber ecosystem - the product of digitalization impact on intersectoral economic convergence$fG. V. Chernova, S. A. Kalayda, V. G. Khalin, A. V. Yurkov

225 1# $aИТ-менеджмент

225 1# $aУправление эффективностью

203 ## $aТекст$cнепосредственный

320 ## $aБиблиогр. в конце ст. (22 назв.)

333 ## $a16+

461 #0 $12001 $aПрикладная информатика$1011 $a1993-8314

463 #0 $12001 $aТ. 16, № 3$vС. 57-68$1210 $d2021

606 ## $aИнформатика$2AR-MARS

606 ## $aИнформатизация общества. Информационная политика$2AR-MARS

610 0# $aобработка информации

610 0# $aпредпринимательская деятельность

610 0# $aстартапы

610 0# $aфинансовая экосистема

610 0# $aцифровизация

610 0# $aэкономическая конвергенция

610 0# $aэлектронная база

675 ## $a004:002

686 ## $2rubbk$a73$vТаблицы для массовых библиотек

701 #1 $aChernova$bG. V.$cдоктор экономических наук; профессор$pSaint Petersburg State University$4070

701 #1 $aKalayda$bS. A.$cкандидат экономических наук; доцент$pSaint Petersburg State University$4070

701 #1 $aKhalin$bV. G.$cдоктор экономических наук; профессор$pSaint Petersburg State University$4070

701 #1 $aYurkov$bA. V.$cдоктор физико-математических наук; профессор$4070

005 20210924030302.9

901 ## $aдля МАРК-SQL$tb

014 ## $aRUMARS-prii21_to16_no3_ss57_ad1$2AR-MARS

903 ## $acode$bprii$cУфимский государственный нефтяной технический университет$d16938

903 ## $ayear$b2021

903 ## $ato$b16

903 ## $ano$b3

903 ## $ass$b57

903 ## $aad$b1

801 #0 $aRU$b45013519$c20210915$gRCR

801 #1 $aRU$b45013519$c20210915

801 #2 $aRU$bAR-MARS$c20210924$gRCR

801 #3 $aRU$bAR-MARS$c20210924
5

001 prii21_to16_no3_ss69_ad1

100 ## $a20210915d2021 e y0rusy0400

101 0# $arus

102 ## $aRU

200 1# $aРазработка модуля для конвертации расчетных сеток OpenFOAM в msh-формат и его интеграция в графический интерфейс платформы$fД. И. Читалов

225 1# $aИнструментальные средства

225 1# $aПрограммная инженерия

203 ## $aТекст$cнепосредственный

320 ## $aБиблиогр. в конце ст. (5 назв.)

330 ## $aВ настоящее исследование посвящено разработке программного модуля, обеспечивающего конвертацию вычислительных сеток, созданных на базе платформы OpenFOAM, в формат msh, применяемый в рамках численных экспериментов, проводимых с помощью пакета ANSYS FLUENT. Функционал ANSYS FLUENT может применяться, например, в рамках постпроцессинга при моделировании большинства фундаментальных проблем механики сплошных сред (МСС). В существующих аналогах платформы OpenFOAM уже реализованы средства для решения указанной задачи, но ввиду их частично коммерческого распространения, необходимости приобретения услуг специалистов технической поддержки и отсутствия полноценной русифицированной документации проблема отсутствия графической оболочки для упрощения процедуры конвертации сохраняет свою важность. Процесс конвертации расчетных сеток, сгенерированных средствами платформы OpenFOAM, в msh-формат, применяемый в пакете ANSYS FLUENT, составляет предмет настоящего исследования. Цель данной работы заключается в подготовке исходного кода программного модуля. В работе представлена диаграмма, соответствующая алгоритму работы специалиста с рассматриваемым программным модулем. Приведен стек технологий для набора, отладки и запуска программного кода. Определены итоги исследования, сформулированы положения его научной новизны и потенциальной практической значимости. Представлены результаты тестирования модуля на примере одного из фундаментальных экспериментов МСС на базе платформы OpenFOAM.

333 ## $a16+

461 #0 $12001 $aПрикладная информатика$1011 $a1993-8314

463 #0 $12001 $aТ. 16, № 3$vС. 69-78$1210 $d2021

606 ## $aВычислительная техника$2AR-MARS

606 ## $aПрограммирование ЭВМ. Компьютерные программы. Программотехника$2AR-MARS

605 ## $aOpenFOAM$lплатформа$2AR-MARS

605 ## $aPython 3. 7$lязык программирования$2AR-MARS

605 ## $aANSYS FLUENT$lпрограммный продукт$2AR-MARS

605 ## $aSQLite$lсистема управления базами данных$2AR-MARS

610 0# $aСУБД

610 0# $aграфический интерфейс пользователя

610 0# $aконвертация

610 0# $aмеханика сплошных сред

610 0# $aоткрытое программное обеспечение

610 0# $aсистема управления базами данных

610 0# $aутилиты

610 0# $aфреймворк

610 0# $aчисленное моделирование

610 0# $aязыки программирования

675 ## $a004.41/.42

686 ## $2rubbk$a32.973-018$vТаблицы для массовых библиотек

700 #1 $aЧиталов$bД. И.$gДмитрий Иванович$cмладший научный сотрудник$pЮжно-Уральский федеральный научный центр минералогии и геоэкологии УрО РАН$4070

005 20210924030302.1

901 ## $aдля МАРК-SQL$tb

014 ## $aRUMARS-prii21_to16_no3_ss69_ad1$2AR-MARS

903 ## $acode$bprii$cУфимский государственный нефтяной технический университет$d16938

903 ## $ayear$b2021

903 ## $ato$b16

903 ## $ano$b3

903 ## $ass$b69

903 ## $aad$b1

801 #0 $aRU$b45013519$c20210915$gRCR

801 #1 $aRU$b45013519$c20210915

801 #2 $aRU$bAR-MARS$c20210924$gRCR

801 #3 $aRU$bAR-MARS$c20210924
6

001 prii21_to16_no3_ss79_ad1

100 ## $a20210915d2021 e y0rusy0400

101 0# $arus

102 ## $aRU

200 1# $aМодели и методы обучения с подкреплением в архитектуре адаптивных веб-ориентированных информационных систем$fИ. Ю. Шполянская

225 1# $aИнструментальные средства

225 1# $aЭффективные алгоритмы

203 ## $aТекст$cнепосредственный

320 ## $aБиблиогр. в конце ст. (21 назв.)

330 ## $aШирокое распространение веб-ориентированных систем в сфере бизнеса, маркетинга, электронного обучения вызывает необходимость учета и анализа информационных потребностей пользователя в целях оптимизации взаимодействия с ним. Одной из основных проблем создания адаптивных веб-ориентированных систем является задача классификации информационных ресурсов (страниц) портала, описывающих предлагаемый товар или услугу, для последующего формирования профилей пользователей и персонализации предоставления услуг. Для ее решения могут быть использованы методы интеллектуального анализа данных и машинного обучения. В статье представлен новый подход к созданию адаптивных веб-ориентированных информационных систем, основанный на использовании алгоритмов обучения с подкреплением в целях классификации информационных ресурсов и выдачи персонализированных рекомендаций пользователям с учетом их предпочтений. Предложен и обоснован адаптивный подход, основанный на использовании алгоритмов обучения с подкреплением, позволяющий автоматически находить в процессе работы системы наиболее эффективные стратегии, необходимые для правильной классификации веб- ресурсов сайта и формирования групп пользователей с однотипными запросами и предпочтениями. Предложенная схема позволяет создать процедуры для оценки и ранжирования информационных ресурсов системы на основе анализа поведения пользователей на сайте в режиме онлайн. Используемые алгоритмы обучения с подкреплением дают возможность оценить релевантность каждой страницы сайта запросам и предпочтениям пользователей из разных категорий, с тем чтобы оптимизировать структуру и контент сайта, а также построить эффективную систему рекомендаций в соответствии с интересами пользователя для возможности выбора наиболее подходящих товаров или услуг.

333 ## $a16+

461 #0 $12001 $aПрикладная информатика$1011 $a1993-8314

463 #0 $12001 $aТ. 16, № 3$vС. 79-92$1210 $d2021

606 ## $aИнформатика$2AR-MARS

606 ## $aИнформационные системы с базами знаний$2AR-MARS

610 0# $aвеб-ориентированные системы

610 0# $aвеб-ресурсы

610 0# $aинтеллектуальный анализ данных

610 0# $aинформационные ресурсы

610 0# $aинформационные системы

610 0# $aклассификация веб-ресурсов

610 0# $aмашинное обучение

610 0# $aпредпочтения пользователей

675 ## $a004.9:002

686 ## $2rubbk$a73$vТаблицы для массовых библиотек

700 #1 $aШполянская$bИ. Ю.$gИрина Юрьевна$cдоктор экономических наук; доцент$pРостовский государственный экономический университет$4070

005 20210924030302.1

901 ## $aдля МАРК-SQL$tb

014 ## $aRUMARS-prii21_to16_no3_ss79_ad1$2AR-MARS

903 ## $acode$bprii$cУфимский государственный нефтяной технический университет$d16938

903 ## $ayear$b2021

903 ## $ato$b16

903 ## $ano$b3

903 ## $ass$b79

903 ## $aad$b1

801 #0 $aRU$b45013519$c20210915$gRCR

801 #1 $aRU$b45013519$c20210915

801 #2 $aRU$bAR-MARS$c20210924$gRCR

801 #3 $aRU$bAR-MARS$c20210924
7

001 prii21_to16_no3_ss93_ad1

100 ## $a20210915d2021 e y0rusy0400

101 0# $arus

102 ## $aRU

200 1# $aDVCompute Simulator для дискретно-событийного моделирования$fД. Э. Сорокин

225 1# $aSimulation

225 1# $aТеория и практика

203 ## $aТекст$cнепосредственный

320 ## $aБиблиогр. в конце ст. (16 назв.)

330 ## $aВ статье представлена авторская разработка DVCompute Simulator, которая является коллекцией общецелевых программных библиотек для дискретно-событийного моделирования. Целью исследования было создание на основе единого метода эффективного по скорости исполнения набора симуляторов на языке Rust для разных режимов имитации. Симуляторы охватывают такие режимы, как обычное последовательное моделирование, вложенное моделирование и распределенное моделирование. В статье описано, как вложенное моделирование пересекается с теорией игр, а распределенное моделирование может быть использовано для запуска имитаций моделей больших размерностей на суперкомпьютерах. Показано, как эти разные режимы имитации могут быть реализованы на основе единого подхода, сочетающего в себе многие парадигмы: и событийно-ориентированную, и процесс-ориентированную, и подобные языку GPSS блоки, и даже частично агентное моделирование. Авторский метод основан на использовании приемов функционального программирования, где имитационная модель описывается как композиция вычислений. В статье приведены результаты тестов двух модулей, поддерживающих как оптимистичный, так и консервативный методы распределенного моделирования.

333 ## $a16+

461 #0 $12001 $aПрикладная информатика$1011 $a1993-8314

463 #0 $12001 $aТ. 16, № 3$vС. 93-108$1210 $d2021

606 ## $aВычислительная техника$2AR-MARS

606 ## $aИмитационное компьютерное моделирование$2AR-MARS

605 ## $aDVCompute Simulator$lсимулятор дискретно-событийного моделирования$2AR-MARS

605 ## $aGPSS$lязык моделирования$2AR-MARS

610 0# $aвложенное моделирование

610 0# $aдеформация времени

610 0# $aдискретно-событийное моделирование

610 0# $aдискретные процессы

610 0# $aраспределенное моделирование

610 0# $aсимуляторы

610 0# $aтеория игр

610 0# $aфункциональное программирование

610 0# $aязыки моделирования

675 ## $a004.94

686 ## $2rubbk$a32.973-018.2$vТаблицы для массовых библиотек

700 #1 $aСорокин$bД. Э.$gДавид Эрнестович$cмагистр прикладной математики$pИП "Сорокин Д. Э. ", Йошкар-Ола$4070

005 20210924030302.1

901 ## $aдля МАРК-SQL$tb

014 ## $aRUMARS-prii21_to16_no3_ss93_ad1$2AR-MARS

903 ## $acode$bprii$cУфимский государственный нефтяной технический университет$d16938

903 ## $ayear$b2021

903 ## $ato$b16

903 ## $ano$b3

903 ## $ass$b93

903 ## $aad$b1

801 #0 $aRU$b45013519$c20210915$gRCR

801 #1 $aRU$b45013519$c20210915

801 #2 $aRU$bAR-MARS$c20210924$gRCR

801 #3 $aRU$bAR-MARS$c20210924
8

001 prii21_to16_no3_ss109_ad1

100 ## $a20210914d2021 e y0rusy0400

101 0# $arus

102 ## $aRU

200 1# $aОбучение на несбалансированных выборках ансамбля классификаторов при анализе состояния сетевых сегментов$fИ. С. Лебедев

225 1# $aИнформационная безопасность

225 1# $aЗащита информации

203 ## $aТекст$cнепосредственный

320 ## $aБиблиогр. в конце ст. (18 назв.)

330 ## $aАктуальность рассматриваемой в статье темы состоит в решении проблемных вопросов идентификации редких событий в условиях дисбаланса обучающих множеств. Цель исследования - анализ возможностей ансамбля классификаторов, обученных на разных подмножествах разбалансированных данных. Обозначены предпосылки возникновения несбалансированных данных при формировании обучающих выборок. Предложено решение, основанное на применении ансамбля классификаторов, обученных на различных обучающих выборках, в которых имеется дисбаланс классифицируемых событий. Приведен анализ возможности применения несбалансированных тренировочных множеств для ансамбля классификаторов, где усреднение ошибок происходит за счет процедуры коллективного голосования. Осуществлена оценка распределений значений признаков в тестовых и тренировочных подмножествах. Исследована разбалансировка, заключающаяся в нарушении соотношений количества событий определенного вида внутри одного класса в обучающих подмножествах данных. Отсутствие данных в обучающей выборке приводит к увеличению эффекта разброса ответов, который усредняется увеличением сложности модели, включением в ее состав различных классифицирующих алгоритмов. В дальнейшем, в ходе функционирования возможно вносить изменения в состав классифицирующих алгоритмов, что позволяет повышать показатели точности идентификации потенциального деструктивного воздействия.

333 ## $a16+

461 #0 $12001 $aПрикладная информатика$1011 $a1993-8314

463 #0 $12001 $aТ. 16, № 3$vС. 109-119$1210 $d2021

606 ## $aВычислительная техника$2AR-MARS

606 ## $aИмитационное компьютерное моделирование$2AR-MARS

610 0# $aалгоритмы

610 0# $aклассификаторы

610 0# $aклассификация

610 0# $aобучающие выборки

610 0# $aпаразитный трафик

610 0# $aподмножества данных

610 0# $aразбалансированные данные

610 0# $aсетевые сегменты

675 ## $a004.94

686 ## $2rubbk$a32.973-018.2$vТаблицы для массовых библиотек

700 #1 $aЛебедев$bИ. С.$gИлья Сергеевич$cдоктор технических наук; профессор$pСанкт-Петербургский институт информатики и автоматизации РАН$4070

005 20210924030302.7

901 ## $aдля МАРК-SQL$tb

014 ## $aRUMARS-prii21_to16_no3_ss109_ad1$2AR-MARS

903 ## $acode$bprii$cУфимский государственный нефтяной технический университет$d16938

903 ## $ayear$b2021

903 ## $ato$b16

903 ## $ano$b3

903 ## $ass$b109

903 ## $aad$b1

801 #0 $aRU$b45013519$c20210914$gRCR

801 #1 $aRU$b45013519$c20210914

801 #2 $aRU$bAR-MARS$c20210924$gRCR

801 #3 $aRU$bAR-MARS$c20210924
9

001 prii21_to16_no3_ss120_ad1

100 ## $a20210924d2021 e y0rusy0400

101 0# $arus

102 ## $aRU

200 1# $aОценка криптостойкости к деструктивному воздействию "Просмотр передаваемых данных" в случае использования квантовых компьютеров$fА. А. Гавришев, В. А. Бурмистров

225 1# $aИнформационная безопасность

225 1# $aЗащита информации

203 ## $aТекст$cнепосредственный

320 ## $aБиблиогр. в конце ст. (21 назв.)

330 ## $aВ данной работе проведена оценка криптостойкости известных криптографических методов и методов на основе шумоподобных сигналов, схожих по своим свойствам с "ограниченным" белым шумом и применяемых для расширения спектра передаваемых сообщений, к деструктивному воздействию "просмотр передаваемых данных" (атака, направленная на раскрытие шифртекста), основанному на полном переборе ("лобовая" атака) кодовых структур (пространства ключей), в случае использования квантовых компьютеров. Установлено, что необходимым значением количества кодовых структур (пространства ключей), с учетом постоянно совершенствующихся и развивающихся вычислительных мощностей квантовых компьютеров, на ближайшие годы следует считать значение 1032 и выше, обеспечивающее криптостойкость минимум 3 года. Показано, что алгоритм Гровера схож с деструктивным воздействием "просмотр передаваемых данных" (атака, направленная на раскрытие шифртекста), основанном на полном переборе ("лобовая" атака) всех кодовых структур (пространства ключей) с помощью современных суперЭВМ. Установлено, что известные криптографические методы потенциально могут применяться в постквантовую эпоху, а методы на основе шумоподобных сигналов потенциально, при условии их обнаружения и осведомленности о методах, положенных в их основу (без знания ключа), не могут применяться в постквантовую эпоху. Перспективным подходом в постквантовую эпоху для вопросов обеспечения информационной безопасности, по мнению авторов, является использование хаотических сигналов.

333 ## $a16+

461 #0 $12001 $aПрикладная информатика$1011 $a1993-8314

463 #0 $12001 $aТ. 16, № 3$vС. 120-133$1210 $d2021

606 ## $aВычислительная техника$2AR-MARS

606 ## $aСистемы управления базами данных (СУБД)$2AR-MARS

610 0# $aГровера алгоритм

610 0# $aалгоритм Гровера

610 0# $aдеструктивное воздействие

610 0# $aзащита данных

610 0# $aквантовые компьютеры

610 0# $aкодовые структуры

610 0# $aкриптостойкость

610 0# $aпередаваемые данные

610 0# $aпространство ключей

610 0# $aхаотические сигналы

675 ## $a004.65

686 ## $2rubbk$a32.973-018.2$vТаблицы для массовых библиотек

700 #1 $aГавришев$bА. А.$gАлексей Андреевич$cстарший преподаватель$pИнститут математики и информационных технологий им. профессора Н. И. Червякова, ФГАОУ ВО "Северо-Кавказский федеральный университет", Ставрополь, Россия$4070

701 #1 $aБурмистров$bВ. А.$gВладимир Александрович$cинженер$pМБУК "СЦС", Ставрополь$4070

005 20210924030302.0

901 ## $aдля МАРК-SQL$tb

014 ## $aRUMARS-prii21_to16_no3_ss120_ad1$2AR-MARS

903 ## $acode$bprii$cУфимский государственный нефтяной технический университет$d16938

903 ## $ayear$b2021

903 ## $ato$b16

903 ## $ano$b3

903 ## $ass$b120

903 ## $aad$b1

801 #0 $aRU$b45013519$c20210924$gRCR

801 #1 $aRU$b45013519$c20210924

801 #2 $aRU$bAR-MARS$c20210924$gRCR

801 #3 $aRU$bAR-MARS$c20210924
10

001 prii21_to16_no3_ss4_ad1

100 ## $a20210924d2021 e y0rusy0400

101 0# $arus

102 ## $aRU

200 1# $aВалерию Павловичу Мешалкину - 80 лет$fЮ. Б. Рубин, М. И. Дли

225 1# $aК юбилею ученого

203 ## $aТекст$cнепосредственный

330 ## $aВ статье описываются основные научные достижения академика В. П. Мешалкина, который является ведущим ученым в нескольких областях исследований, таких как анализ и синтез высоконадежных энергосберегающих химико-технологических систем; управление эксплуатацией малоотходных производственных объектов с оптимальным удельным потреблением сырья, энергии, воды и конструкционных материалов.

333 ## $a16+

461 #0 $12001 $aПрикладная информатика$1011 $a1993-8314

463 #0 $12001 $aТ. 16, № 3$vС. 4-8$1210 $d2021

600 #1 $aМешалкин$bВ. П.$cакадемик Российской академии наук; доктор технических наук; профессор$gВалерий Павлович$2AR-MARS

606 ## $aНаука. Науковедение$2AR-MARS

606 ## $aОбщие вопросы науки$2AR-MARS

610 0# $aинжиниринг

610 0# $aроссийская наука

610 0# $aроссийские ученые

610 0# $aфундаментальные исследования

675 ## $a001

686 ## $2rubbk$a72$vТаблицы для массовых библиотек

700 #1 $aРубин$bЮ. Б.$gЮрий Борисович$cдоктор экономических наук; профессор$pМосковский финансово-промышленный университет "Синергия"$4070

701 #1 $aДли$bМ. И.$gМаксим Иосифович$cдоктор технических наук; профессор$pфилиал Федерального государственного бюджетного образовательного учреждения высшего образования "Национальный исследовательский университет "МЭИ"" в г. Смоленске$4070

005 20210924030302.2

901 ## $aдля МАРК-SQL$tb

014 ## $aRUMARS-prii21_to16_no3_ss4_ad1$2AR-MARS

903 ## $acode$bprii$cУфимский государственный нефтяной технический университет$d16938

903 ## $ayear$b2021

903 ## $ato$b16

903 ## $ano$b3

903 ## $ass$b4

903 ## $aad$b1

801 #0 $aRU$b45013519$c20210924$gRCR

801 #1 $aRU$b45013519$c20210924

801 #2 $aRU$bAR-MARS$c20210924$gRCR

801 #3 $aRU$bAR-MARS$c20210924