Научные направления Института компьютерных наук и кибербезопасности

Коды ГРНТИ:

20.23.25, 28.23.15, 28.23.29, 28.23.37, 28.23.39, 50.05.09, 50.05.13, 50.41.21, 50.41.23, 50.41.25, 50.41.29, 50.51.15

Руководитель направления:

Дробинцев П.Д, к.т.н., доцент, директор Высшей школы программной инженерии ИКНК

Ведущие учёные:

• Воинов Н.В., к.т.н., доц., доцент Высшей школы программной инженерии ИКНК, voinov_nv@spbstu.ru

• Ковалев А.Д., к.т.н., доц. Высшей школы программной инженерии ИКНК, kovalev_ad@spbstu.ru

• Молодяков С.А., д.т.н., доц., профессор Высшей школы программной инженерии ИКНК, molodyakov_sa@spbstu.ru

• Никифоров И.В., к.т.н., доц., доцент Высшей школы программной инженерии ИКНК, nikiforov_iv@spbstu.ru

• Самочадин А.В., к.т.н., доц., доцент Высшей школы программной инженерии ИКНК, samochadin_av@spbstu.ru

• Селин И.А., к.т.н., доцент Высшей школы программной инженерии ИКНК, selin_ia@spbstu.ru

• Устинов С.М., д.т.н., проф., профессор Высшей школы программной инженерии ИКНК, ustinov_sm@spbstu.ru

• Черноруцкий И.Г., д.т.н., проф., профессор Высшей школы программной инженерии ИКНК, igcher@spbstu.ru

Актуальность исследований:

Сложность современных программных систем требует новых подходов к проектированию, разработке и тестированию ПО. Быстрое развитие таких технологий как искусственный интеллект, машинное обучение, облачные вычисления и интернет вещей, создает необходимость в разработке новых методов и инструментов для их интеграции и использования. Различные методологии разработки ПО (например, Agile, DevOps) и исследования в этой области помогают улучшить процессы, повысить качество и ускорить время выхода продуктов на рынок ПО. Исследования в области программной инженерии имеют большое значение для обеспечения качества, надежности и эффективности программных продуктов в условиях быстро меняющегося технологического ландшафта.

Научные результаты:

• Программа решения обратной задачи восстановления параметров в математической модели процесса обучения неродному языку, св-во о рег. прЭВМ 2023617166.

• Программа для прогнозирования и контролирования уровня владения неродным языком, св-во о рег. прЭВМ 2023680873.

• Способ оценки устойчивости киберфизической системы к компьютерным атакам, патент на изобретение РФ №2710985.

• Программа автоматической оценки рисков нарушений безопасности в сетевых информационных интерфейсах умных киберсред, св-во о рег. ПрЭВМ №2020616946.

• Программа автоматической тренировки интеллектуальных детекторов киберугроз в реконфигурируемых киберсредах на базе многоагентного обучения с подкреплением, св-во о рег. ПрЭВМ №2021681615.

• Программа для адаптивной защиты динамических распределенных киберсред на базе анализа графа развития потенциальных компьютерных атак, св-во о рег. ПрЭВМ №2022669899.

• Программа для поддержания доверенного взаимодействия функциональных узлов в иерархических киберсредах, св-во о рег. ПрЭВМ №2022680367.

Коды ГРНТИ:

28.23.25

Руководитель направления:

Уткин Л.В., д.т.н., профессор Высшей школы технологий искусственного интеллекта ИКНК, utkin_lv@spbstu.ru

Ведущие учёные:

• Константинов А.В., к.ф.-м.н. Высшей школы технологий искусственного интеллекта ИКНК,

• Малов С.В. к.ф.-м.н. Высшей школы технологий искусственного интеллекта ИКНК,

• Лукашин А.А. к.т.н. Высшей школы технологий искусственного интеллекта ИКНК,

• Мулюха В.А. к.т.н., директор Высшей школы технологий искусственного интеллекта ИКНК,

• Заборовский В.С. д.т.н., профессор Высшей школы технологий искусственного интеллекта ИКНК

Актуальность исследований:

Машинное обучение является одной из наиболее динамично развивающихся отраслей современных технологий. Методы и модели машинного обучения становятся основой трансформации экономики. При этом не все задачи могут быть успешно реализованы с использованием существующих моделей с учетом наличия ограничений на существующие данные, а также ресурсы и время выполнения реальных задач. Таким образом задача разработки новых и оптимизации существующих моделей машинного обучения и ИИ является одной из приоритетных для расширения сферы внедрения технологий машинного обучения и ИИ в реальный сектор экономики.

Научные результаты:

• Патент: Способ диагностики рака легкого на основе интеллектуального анализа формы, внутренней и внешней структур новообразований.

• База данных компьютерных томограмм грудной клетки с выделенными и маркированными областями патологии легких – LIRA (Lung Image Resource Annotated).

• Программа интеллектуального сравнения трехмерных моделей на основе нормированного представления, инвариантного к размеру и повороту.

• Программа автоматизированной разметки гистологических образцов на основе классифицированного набора данных.

• Программа автоматизированного анализа малых движений лица с помощью усиления видео.

• Программа определения персонализированного эффекта лечения на основе обучаемых весов внимания в регрессии Надарая-Уотсона.

• База данных сегментированных на компьютерных томограммах новообразований легких (Annotated Lung Neoplasms Dataset).

• Программа автоматизированного анализа выживаемости на основе взвешенного ансамбля моделей Берана.

Коды ГРНТИ:

28.23, 28.19, 50.03

Руководитель направления:

Шкодырев В.П., д.т.н., профессор Высшей школы управления кибер-физическими системами ИКНК.

Ведущие учёные:

• Хохловский В.Н., к.т.н., доцент Высшей школы управления кибер-физическими системами ИКНК.

Актуальность исследований:

Повышение сложности задач эффективного управления современными промышленными объектами, высокотехнологичными производствами, техническими системами в энергетике, машиностроении, металлургии требует кардинально новых подходов и технологий. Перспективным направлением решения проблем является разработка и внедрение систем промышленного ИИ и интеллектуальных систем управления на всех уровнях управления. Разрабатываются новые прорывные технологии решения комплексных задач управления структурно-сложными плохо формализуемыми объектами, процессами, задачи ситуационного управления.

Научные результаты:

• Программный продукт «Платформенные решения интеграции промышленных технологий киберфизических систем и систем искусственного интеллекта». Уровень готовности технологии (УГТ) подтвержден УГТ 5 (НТС СПбПУ) и УГТ 6 (подтвержден Индустриальным партнером - АО Кольский КГМК Норникель).

• Прикладное программное приложение для многоцелевой многокритериальной оптимизации управления производственным процессом котельного оборудования ТЭЦ АО «Кольская ГМК». 18 РИД.

Коды ГРНТИ:

29.03.45, 59.03.05, 90.03.03, 27.31.21

Руководитель направления:

Семенов К.К., к.т.н., доц. доцент Высшей школы компьютерных технологий и информационных систем ИКНК, semenov_kk@spbstu.ru

Ведущие учёные:

• Гаранин В.А., ассистент Высшей школы компьютерных технологий и информационных систем ИКНК, garanin_va@spbstu.ru.

• Целищева А.А., к.т.н., доцент Высшей школы компьютерных технологий и информационных систем ИКНК, tselitsheva_aa@spbstu.ru.

Актуальность исследований

Заложены теоретические основы и развивается новое направление в области прикладной (индустриальной) математики – получены новые алгоритмы и методы обработки неточных и неполных индустриальных данных, впервые согласованные с их неточностью и неполнотой и свободно применимые для нужд промышленных предприятий с учетом их специфики и требований отраслевых стандартов. Актуальность направления определяется необходимостью устранения существующего разрыва между методами и средствами классических вычислительной математики и математической статистики и практическими нуждами промышленности, когда любые поступающие индустриальные данные оказываются неточными и неполными, но их неопределенность не всегда носит статистический характер.

Научные результаты:

• Программа для непараметрического согласования результатов совместных измерений взаимосвязанных величин с использованием метода проекционного восстановления плотности распределения вероятностей, св-во о рег. прЭВМ 2023610445.

• Программа для оценки повышения точности измерений за счет учета известных функциональных взаимосвязей между измеряемыми величинами, св-во о рег. прЭВМ 2023610961.

• Программа для вычисления приближенной оценки погрешности корней нелинейных уравнений с неточными параметрами на основе локальной полиномиальной аппроксимации, св-во о рег. прЭВМ 2023617421.

• Программа для непараметрического согласования результатов совместных измерений взаимосвязанных величин с использованием метода ядерного восстановления плотности распределения вероятностей, св-во о рег. прЭВМ 2023611165.

Коды ГРНТИ:

16.21.29,16.21.37,16.31.21, 16.31.51,50.41.25

Руководитель направления:

Богач Н.В., к.т.н., доц., доцент Высшей школы компьютерных технологий и информационных систем ИКНК, bogach_nv@spbstu.ru

Ведущие учёные:

• Пышкин Е.В., к.т.н., старший профессор, факультет разработки ПО, Университет Айзу-вакамацу (Япония).

• Джон Блейк, Ph.D., профессор, Центр лингвистических исследований, Университет Айзу-вакамацу (Япония).

• Леженин Ю.И., аспирант Высшей школы компьютерных технологий и информационных систем ИКНК

Актуальность исследований:

Актуальность обусловлена тем, что программные продукты в области когнитивных механизмов восприятия невербальных компонент речи, как открывают новые возможности для обучения языкам, так и позволяют проводить исследования в области восприятия и усвоения языков человеком (Second language acquisition, SLA, Second language development, SLD). Распознавание речи и звуков с помощью гибридных и сквозных (End-to-End) моделей является важным направлением в области обработки естественного языка (NLP). Автоматическое распознавание речи (ASR) позволяет преобразовывать устную речь в текст и открывает множество возможностей для применения в различных областях, включая голосовые помощники, системы управления, транскрипцию аудио и видео, выявление ментальных заболеваний и психологических проблем на ранней стадии.

Научные результаты:

• Проект StudyIntonation: Мобильные приложения для изучения произношения в языках: английском, вьетнамском, японском, китайском. Разработана исследовательская версия приложения для сбора экспериментальных данных.

• Программа решения обратной задачи восстановления параметров в математической модели процесса обучения неродному языку, св-во о рег. прЭВМ 2023617166.

• Программа для прогнозирования и контролирования уровня владения неродным языком, св-во о рег. прЭВМ 2023680873.

Коды ГРНТИ:

81.39.29

Руководитель направления:

Зегжда Д.П., чл.-корр. РАН, д.т.н., проф., директор ИКНК, zegzhda_dp@spbstu.ru

Ведущие учёные:

• Калинин М.О., д.т.н., профессор, профессор Высшей школы кибербезопасности ИКНК.

• Александрова Е.Б., д.т.н., профессор, профессор Высшей школы кибербезопасности ИКНК.

• Полтавцева М.А., д.т.н., доцент, профессор Высшей школы кибербезопасности ИКНК.

• Павленко Е.Ю., к.т.н., доцент Высшей школы кибербезопасности ИКНК.

• Крундышев В.М., к.т.н., доцент, доцент Высшей школы кибербезопасности ИКНК.

• Коноплев А.С., к.т.н., доцент Высшей школы кибербезопасности ИКНК.

• Овасапян Т.Д., к.т.н., доцент Высшей школы кибербезопасности ИКНК.

• Иванов Д.В., к.т.н., доцент Высшей школы кибербезопасности ИКНК.

• Москвин Д.А., к.т.н., доцент Высшей школы кибербезопасности ИКНК.

Актуальность исследований:

Цифровизация экономики, внедрение киберсистем и технологий Интернета вещей, искусственного интеллекта и Больших данных, формирование умных промышленных сред является неизбежным следствием автоматизации процессов управления. Одновременно наблюдаются расширение спектра киберугроз, направленных на производственные киберсреды, и изменение характера угроз основными становятся целенаправленные вариативные многовекторные кибератаки, реализуемые группами злоумышленников, использующих различные технологии от методов ИИ до социальной инженерии с целью получения возможности управления производственным процессом, контроля устройств, генерации ложных данных. Сложившаяся обстановка и новые требования законодательства по защите объектов критической информационной инфраструктуры определяют актуальность развития новых методических и технологических решений по защите информации, управлению кибербезопасностью и обеспечению киберустойчивости структурно-сложных динамических киберсред.

Научные результаты:

• Способ оценки устойчивости киберфизической системы к компьютерным атакам, патент на изобретение РФ №2710985.

• Программа автоматической оценки рисков нарушений безопасности в сетевых информационных интерфейсах умных киберсред, св-во о рег. ПрЭВМ №2020616946.

• Программа автоматической тренировки интеллектуальных детекторов киберугроз в реконфигурируемых киберсредах на базе многоагентного обучения с подкреплением, св-во о рег. ПрЭВМ №2021681615.

• Программа для адаптивной защиты динамических распределенных киберсред на базе анализа графа развития потенциальных компьютерных атак, св-во о рег. ПрЭВМ №2022669899.

• Программа для поддержания доверенного взаимодействия функциональных узлов в иерархических киберсредах, св-во о рег. ПрЭВМ №2022680367.

• Программа для автоматического анализа киберустойчивости систем больших данных, св-во о рег. ПрЭВМ №2023681315.