• АБС
  • СИА
  • Кардиологические заболевания
  • Последние эпизоды
  • Другое
ABN

Коллектив имеет фундаментальный научный задел в области математических основ искусственного интеллекта, а именно в работе с алгебраическими байесовскими сетями. Работа в данном срезе ведётся с 1992 года. Алгебраические байесовские сети являются  одной из моделей машинного обучения и позволяют работать с неточными, неполными данными за счет манипуляции интервальными оценками вероятностей, использовать декомпозицию предметной области для оптимизации вычислений, гибко оперировать данными при синтезе структур, а также имеют развитый аппарат локального и глобального логико-вероятностного вывода и синтеза структур.

Аппарат алгебраических байесовских сетей может заменить экспертную систему, которая позволяет делать выводы о каких-то событиях, опираясь на неточную неполную нечисловую информацию. Как экспертная система алгебраические байесовские сети имеют широкий спектр потенциальных приложений — от социокомпьютинга до медицины и финансов. Алгебраические байесовские сети — это не просто российская/отечественная разработка, это разработка ученых СПб ФИЦ РАН.

  • Текущие
  • Завершённые

Проект СПбГУ № 73555239 (NIR_GZ_2021 – 1) на 2021 год Искусственный интеллект и наука о данных: теория, технология, отраслевые и междисциплинарные исследования и приложения: 2021- этап 1.

Руководитель: Тулупьев Александр Львович

Описание проекта
Цель исследования заключается в построении и развитии подходов, теоретических и технологических основ для решения междисциплинарных проблем, связанных со сбором, обработкой и анализом данных, в том числе данных с неопределенностью, для прогнозирования исходов социальных действий, протекания заболеваний, образовательных успехах, взаимодействия робототехнических систем, автономной работы роботов и т.п.

Сроки выполнения
1.01.21 → 31.12.21

Ключевые слова
Мультиагентные системы, глубокое обучение, машинное обучение, знания с неопределённостью, нейронные сети, интеллектуальные системы, графы, байесовские сети, социоинженерные атаки, обработка текстов.

Исполнители
Абрамов Максим Викторович, Корепанова Анастасия Андреевна, Бушмелев Федор Витальевич, Олисеенко Валерий Дмитриевич, Торопова Александра Витальевна, Фролова Марина Сергеевна, Уткин Лев Владимирович, Косовская Татьяна Матвеевна, Ловягин Юрий Никитич, Ловягин Никита Юрьевич, Граничин Олег Николаевич, Амелин Константин Сергеевич, Иванский Юрий Владимирович, Чернов Андрей Олегович, Панцерев, Константин Арсеньевич, Гавра Дмитрий Петрович, Базаркина Дарья Юрьевна, Болгов Радомир Викторович, Леви Дмитрий Андреевич, Новикова Ирина Николаевна, Пашенцев Евгений Николаевич, Цветкова Наталья Александровна, Николенко Сергей Игоревич, Золотарев Валерий Иванович, Пинчук Николай Григорьевич, Андреев Алексей Сергеевич, Богданов Станислав Александрович, Лазарев Сергей Викторович, Хмель Дмитрий Сергеевич, Утешев Николай Алексеевич, Баранов Александр Валентинович, Гайдучок Владимир Юрьевич, Сергеев Алексей Владимирович, Кузнецов Никита Алексеевич, Аксарин Константин Михайлович, Суханов Игорь Игоревич, Григорьев Яков Георгиевич.

Грант РФФИ на 2018–2020 гг., проект № 18-01-00626-а Методы представления, синтеза оценок истинности и машинного обучения в алгебраических байесовских сетях и родственных моделях знаний с неопределенностью: логико-вероятностный подход и системы графов

Руководитель: Тулупьев Александр Львович

Материалы по проекту

Описание проекта
Проект направлен на развитие методов и моделей представления и обработки данных и знаний, отличающихся неполнотой, неточностью, нечисловым характером, что в целом, остается актуальным и одним из главных направлений развития математических основ искусственного интеллекта и мягких вычислений. Для достижения цели используется комбинированный подход, сочетающий в себе теорию вероятностей, вероятностную логику, теорию графов, интервальную математику, экстремальные задачи; кроме того, ожидается, что к решению исследовательских задач будут привлекаться подходы машинного обучения, случайного поиска и мягких вычислений. Ключевым и системообразующим объектом исследования выступают алгебраические байесовские сети (АБС) — это логико-вероятностные графические модели знаний с неопределенностью, в которых математической моделью фрагмента знаний выступают идеалы конъюнктов со скалярными или интервальными оценками вероятности их истинности, а над самим набором фрагментов знаний (первичной структурой АБС) построен граф смежности, рассматриваемый как ее вторичная структура и используемый в различных видах логико-вероятностного вывода. Помимо двух указанных видов глобальных структур рассматриваются другие возникающие системы графов, которые участвуют или используются в синтезе согласованных оценок истинности (априорном и апостериорном логико-вероятностном выводе, проверке и поддержании непротиворечивости моделей), в визуализации АБС, в машинном обучении АБС (при формировании локальных и глобальных структур) и др.

Сроки выполнения
1.01.18 → 31.12.20

Ключевые слова
Знания с неопределенностью, байесовские сети, логико-вероятностный вывод, вероятностные графические модели, машинное обучение, свидетельство, декомпозиция знаний.

Исполнители
Абрамов Максим Викторович, Тулупьева Татьяна Валентиновна, Хлобыстова Анастасия Олеговна, Корепанова Анастасия Андреевна, Бушмелев Федор Витальевич, Золотин Андрей Алексеевич, Харитонов Никита Алексеевич, Фильченков Андрей Александрович, Суворова Алёна Владимировна, Сироткин Александр Владимирович, Мальчевская Екатерина Андреевна, Левенец Даниил Григорьевич, Максимов Анатолий Григорьевич, Завалишин Арсений Дмитриевич.

Грант РФФИ на 2018–2020 гг., проект № 15-01-09001-а Комбинированный логико-вероятностный графический подход к представлению и обработке систем знаний с неопределенностью: алгебраические байесовские сети и родственные модели

Руководитель: Тулупьев Александр Львович

Материалы по проекту

Описание проекта
Основной целью исследования является развитие методов и моделей представления и обработки данных и знаний, допускающих неточность и неопределенность. При этом используется комбинированный подход, в котором, в первую очередь, сочетаются теория вероятностей, вероятностная логика, теория графов, интервальная математика, а «стержневым» объектом исследования выступают алгебраические байесовские сети (АБС) в частности и вероятностные графические модели в целом. АБС — это логико-вероятностные графические модели знаний с неопределенностью, в которых математической моделью фрагмента знаний выступают идеалы конъюнктов со скалярными или интервальными оценками вероятности их истинности, а над самим набором фрагментов знаний (первичной структурой АБС) построен граф смежности, рассматриваемый как ее вторичная структура и используемый в различных видах логико-вероятностного вывода.

Важнейшими результатами стали развитие алгоритмов логико-вероятностного вывода, как локального, так и глобального, а также предложенные оценки чувствительности некоторых из них; разработка новых и модификация имеющихся алгоритмов синтеза глобальных структур и множеств глобальных структур АБС с применением инкрементального подхода; проведения ряда вычислительных экспериментов, позволивших сформирован компаративный анализ прямого, жадного и инкрементального (декрементального) алгоритмов синтеза вторичной структуры АБС. Разработан программный комплекс, реализующий структуры хранения фрагментов знаний алгебраической байесовской сети, а также алгоритмы локального и глобального логико-вероятностного вывода, учитывая все вариации структур и видов оценок вероятностей, над которыми могут быть построены фрагменты знаний; реализованы алгоритмы синтеза множества минимальных графов смежности и глобальных структур, к которым относятся третичная и четвертичные структуры. Также были получены результаты по развитию и применению родственных моделей для построения моделей и методов оценки степени защищенности персонала информационных систем от социоинженерных атак.

Сроки выполнения
1.01.15 → 31.12.17

Ключевые слова
Байесовские сети, поддержка принятия решений, экспертные системы, вероятностная логика, вероятностные графические модели, декомпозиция знаний, машинное обучение, теория графов.

Исполнители
Тулупьева Татьяна Валентиновна, Золотин Андрей Алексеевич, Фильченков Андрей Александрович, Николенко Сергей Игоревич, Азаров Артур АлександровичСуворова Алёна Владимировна, Сироткин Александр Владимирович, Левенец Даниил Григорьевич, Зотов Михаил Анатольевич.

  1. Тулупьев А.Л. Алгебраические байесовские сети: теоретические основы непротиворечивость. СПб.: СПИИРАН, 1995. 76 с.

  2. Тулупьев А.Л. Алгебраические байесовские сети: теоретические основы непротиворечивость. СПб.: СПИИРАН, 2000. 282 с.

  3. Тулупьев А.Л., Николенко С.И., Сироткин А.В. Байесовские сети: Логико-вероятностный подход. СПб.: Наука, 2006. 607 с.

  4. Тулупьев А.Л., Николенко С.И., Сироткин А.В. Основы теории байесовских сетей СПб.: Изд-во С.-Петерб. ун-та, 2019. 399 с.

Социоинженерная атака — это некий комплекс манипулятивных и иных приемов, которые злоумышленник применяет к пользователям информационной системы с целью нарушения информационной безопасности организации. Реализуемый проект ориентирован на повышение защищенности пользователей информационных систем и, опосредованно, критичных документов от социоинженерных атак злоумышленников. Повышение уровня защищённости происходит за счёт построения цифровых двойников пользователя, злоумышленника, критичных документов, информационной системы. Результатом проекта является комплекс программ, который по информации о сотрудниках организации строит социальный граф сотрудников организации и идентифицирует на нём наиболее уязвимых к атаке пользователей, а также наиболее вероятные (критичные) сценария распространения атаки.

Исследовательско-практический комплекс по созданию цифрового образа личности и его анализу в контексте социоинженерных атак

Веб-сервис по анализу социальных сетей

  • восстановление метаинформации
  • построение социального графа
  • сопоставление профилей в социальных сетях

Ссылка доступа.

Приложение ВКонтакте для сбора данных психологического тестирования и опросов

Запущено приложение в социальной сети ВКонтакте, позволяющее проходить тестирование (в том числе психологическое), что в свою очередь существенно упрощает процесс проведения полевого исследования.

Ссылка доступа.

Обучающая игра для повышения защищённости от социоинженерных атак

Обучающая игра про социоинженерные атаки, которая позволяет знакомить пользователей с различными уловками злоумышленников и опасностями социоинженерных атак в интересной и доступной форме.

Игрок берёт на себя роль инспектора по безопасности, который проверяет организацию на уязвимость перед социоинженерными атаками. Игрок побеждает, если ему удаётся похитить заданный файл с компьютера организации.

Кроме того, после достижения цели игроку предлагается тест для проверки усвоения материала.

  • Текущие
  • Завершённые

Грант РФФИ на 2020–2022 гг., проект № 20-07-00839 А Цифровые двойники и мягкие вычисления в моделировании социоинженерных атак и оценке связанных с ними рисков

Руководитель: Абрамов Максим Викторович

Материалы по проекту

Описание проекта
Проект посвящён фундаментальной научной проблеме разработки подходов к формированию системы методов, моделей и алгоритмов их обработки, позволяющих автоматизировать как выявление угроз, связанных с наиболее подверженными к социоинженерным атакам пользователей и, опосредованно, критичных документов информационных систем, так и выработку на основании этой информации комплекса рекомендаций для лиц, принимающих решения. Цель достигается за счёт построения и обработки цифровых двойников фрагментов профилей уязвимостей пользователей информационной системы и профиля компетенций злоумышленника, а также анализа оффлайн и онлайн социальных сетей пользователей, ряда других источников сведений. Оценки защищенности пользователей и, опосредованно, критичных документов от социоинженерных атак строятся на основании цифровых двойников профиля компетенций злоумышленника, профиля уязвимостей пользователя и классификации конфигураций разграничения прав доступа в информационных системах.

Сроки выполнения
1.01.20 → 31.12.22

Ключевые слова
Информационная безопасность, защита информации, социоинженерные атаки, искусственный интеллект, принятие решений в условиях неопределенности, защита пользователя, профиль компетенций злоумышленника, профиль уязвимостей пользователя, вероятностные графические модели, социотехнические системы, киберфизические системы, киберсоциальные системы, социотехнические атаки, анализ защищенности, социальные сети, критичные документы, цифровые двойники.

Исполнители
Тулупьева Татьяна Валентиновна, Хлобыстова Анастасия Олеговна, Корепанова Анастасия Андреевна, Бушмелев Федор Витальевич, Олисеенко Валерий Дмитриевич, Столярова Валерия Фуатовна, Красносельских Татьяна Валерьевна, Бордовская Нина Валентиновна, Пащенко Антон Евгеньевич.

Грант РФФИ на 2018–2019 гг., проект № 18-37-00323 мол_а Социоинженерные атаки в корпоративных информационных системах: подходы, методы и алгоритмы выявления наиболее вероятных траекторий

Руководитель: Абрамов Максим Викторович

Материалы по проекту

Описание проекта
Проект посвящён фундаментальной научной проблеме выявления траекторий наиболее вероятного распространения социоинженерной атаки посредством разработки соответствующих моделей, методов и алгоритмов. Социоинженерные атаки — это атаки, направленные на персонал информационной системы с целью получения желаемого результата, в частности, нарушения информационной безопасности компании. Для этого были формализованы модели “критичные документы — информационная система — персонал — злоумышленник”. Предложены подходы для агрегации данных о пользователе из социальных сетей и составления по ним мета-профиля пользователя, а также для построения, анализа и визуализации социального графа сотрудников. В рамках анализа разработан метод квантификации типов взаимоотношений пользователей, а также алгоритм для вывода коэффициентов дуг социального графа, используемых при расчёте вероятности успеха опосредованной социоинженерной атаки. Предложены алгоритмы для расчета оценки вероятности поражения критичных документов информационной системы путем анализа социального графа сотрудников компании. Рассмотрены способы увеличения оперативности данной оценки при многоходовых социоинженерных атаках. Кроме того, разработан метод идентификации траекторий, оценка вероятности успеха прохождения атаки по которым будет наиболее высокой, а также подход к решению задачи выявления наиболее критичной траектории реализации многоходовой социоинженерной атаки с точки зрения наибольшего ущерба для организации. В результате представлена гибридная модель нахождения наиболее критичных траекторий распространения многоходовых социоинженерных атак, прохождение злоумышленника по которым имеет в совокупности наивысшую степень вероятности и принесёт наибольший убыток компании. Разработан метод бэктрекинга по инцидентам, основывающийся на оценках вероятности успеха одноходовых и многоходовых социоинженерных атак, позволяющий осуществлять первичное расследование инцидентов, связанных с реализацией социоинженерных атак.
Была предложена концепция программного комплекса для оценки защищённости пользователей информационных систем от социоинженерных атак. Приведена архитектура прототипа программного комплекса, изложены подходы к построению алгоритмов для модулей, отвечающих за моделирование социоинженерной атаки на социальном графе сотрудников и восстановление мета-профиля пользователя на основании контента, публикуемого в социальных сетях. Разработаны программные модули, реализующие предложенные алгоритмы. 

Сроки выполнения
1.01.18 → 31.12.19

Ключевые слова
Информационная безопасность, защита информации, социоинженерные атаки, защита пользователя, профиль компетенций злоумышленника, профиль уязвимостей пользователя, вероятностные графические модели, социотехнические системы.

Исполнители
Хлобыстова Анастасия Олеговна, Корепанова Анастасия Андреевна, Бушмелев Федор Витальевич, Олисеенко Валерий Дмитриевич, Харитонов Никита АлексеевичМаксимов Анатолий Григорьевич, Завалишин Арсений Дмитриевич, Багрецов Георгий Игоревич, Слезкин Никита Евгеньевич, Сулейманов Алексей Александрович.

Грант РФФИ на 2018–2019 гг., проект № 18-37-00323 мол_а Социоинженерные атаки в корпоративных информационных системах: подходы, методы и алгоритмы выявления наиболее вероятных траекторий

Руководитель: Азаров Артур Александрович

Описание проекта
Расширение применения информационных технологий в современном обществе приводит к необходимости уделять особое внимание обеспечению информационной безопасности компьютерных систем различного масштаба и области применения. В связи с этим существенный срез научных исследований посвящен именно проблемам обеспечения информационной безопасности. Вместе с тем, взаимодействию пользователей информационных систем и программно-технической составляющей данной системы, пользователей между собой зачастую уделяется недостаточно внимания. Поэтому возникает необходимость анализа защищенности пользователей информационных систем. Для решения выделенной проблемы предлагается развить гибридный подход, основанный на построении и использовании профиля уязвимости пользователя и топологии информационной системы, дополненной связями доступа пользователей. Ключевым отличием данного подхода является использование профиля уязвимостей пользователя, построенного на степени выраженности психологических характеристик личности, а не построение модели поведения пользователя по его предыдущему поведению. Проект носит ярко выраженный междисциплинарный характер. Реализация данного проекта внесет фундаментальный вклад в науку в области математики и информатики. В частности, в проекте будут разработаны методы и системы анализа устойчивости графа социальных связей пользователей информационных систем к социоинженерным атакующим воздействиям злоумышленника на основе генетических алгоритмов.

Сроки выполнения
1.01.18 → 31.12.19

Ключевые слова
Информационная безопасность, социоинженерные атаки, марковские сети, алгебраические байесовские сети, теория графов, вероятностные графические модели, социальные сети, информационные системы, факторный анализ, машинное обучение, генетические алгоритмы.

Исполнители
Суворова Алёна Владимировна, Хлобыстова Анастасия Олеговна, Бушмелев Федор Витальевич, Багрецов Георгий Игоревич, Шиндарев Никита Андреевич, Шаламов Роман Александрович.

Грант РФФИ на 2014–2016 гг., проект № 14-07-00694 Методология интеллектуального поиска маркеров в Интернет-контенте

Руководитель: Нечаев Владимир Дмитриевич

Описание проекта
Предложен подход к моделированию социоинженерных атак с помощью марковских полей. Предложен алгоритм, позволяющий находить вероятности доступа злоумышленника к элементам модели программного комплекса. Предложен метод выявления связности виртуальных сообществ на основе анализа комментариев к видеопостам. Разработано программное приложение для автоматизации процесса сбора и хранения данных из социальной сети ВКонтакте с возможностью экспорта этих данных в таблицы Microsoft Office Excel. Создан комплекс программ для экспресс-классификации постов в социальной сети. Предложен метод заполнения пропуска данных, полученных из нескольких социальных сетей, с учетом вероятности взаимосвязи между различными признаками. В качестве примера рассмотрена задача заполнения пропуска данных для предсказания готовности человека к волонтеризму. Проведен и сопоставлен киберметрический анализ протестных событий Украины, Молдовы, Армении, а также в России Выявлены общие и отличительные технологии формирования протестных установок в социальных медиа.

Сроки выполнения
1.01.14 → 31.12.16

Ключевые слова
Социальный компьютинг, data mining, вероятностные графические модели, opinion mining, прогнозирование, интеллектуальное выявление паттернов.

Исполнители
Тулупьев Александр Львович, Абрамов Максим Викторович, Фильченков Андрей Александрович, Азаров Артур Александрович, Бродовская Елена Викторовна, Карзубов Дмитрий Николаевич, Вахромеева Анастасия Викторовна, Домбровская Анна Юрьевна.

  1. Абрамов М.В., Тулупьева Т.В., Тулупьев А.Л. Социоинженерные атаки: социальные сети и оценки защищенности пользователей. СПб.: ГУАП, 2018. 266 с. ISBN 978-5-8088-1377-5 
  2. Азаров А.А., Тулупьева Т.В., Суворова А.В., Тулупьев А.Л., Абрамов М.В., Юсупов Р.М. Социоинженерные атаки. Проблемы анализа. СПб.: Наука, 2016. 352 с. ISBN 978-5-02-039592-3
  3. Тулупьева Т.В., Абрамов М.В., Тулупьев А.Л.  Цифровая культура: социальные сети и социоинженерные атаки // Психологическое здоровье и технологии здоровьесбережения в современной образовательной среде / Под ред. В.М. Голянича. СПб.: НИЦ АРТ, 2019. С.322–345.
  4. Хлобыстова А. О., Абрамов М. В., Тулупьев А. Л., Золотин А. А. Поиск кратчайшей траектории социоинженерной атаки между парой пользователей в графе с вероятностями переходов // Информационно-управляющие системы, 2018, № 6, с. 74–81. doi:10.31799/1684-8853-2018-6-74-81 (журнальная статья Scopus, ВАК)
  5. Khlobystova A.O., Abramov M.V., Tulupyev A.L. Employees’ social graph analysis: a model of detection the most criticality trajectories of the social engineering attack’s spread // International Conference on Intelligent Information Technologies for Industry. – Springer, Cham, 2019. – Pp. 198–205. DOI: 10.1007/978-3-030-50097-9_20 (WoS, Scopus, Q3)
  6. Abramov M.V., Tulupyev A.L. Soft estimates of user protection from social engineering attacks: fuzzy combination of user vulnurabilities and malefactor competencies in the attacking impact success prediction // Artificial Intelligence and Natural Language, 2019. – Pp. 47–58. DOI: 10.1007/978-3-030-34518-1_4 (Scopus, Q3)
  7. Khlobystova A.O., Abramov M.V., Tulupyev A.L. Soft estimates for social engineering attack propagation probabilities depending on interaction rates among instagram users // International Symposium on Intelligent and Distributed Computing. – Springer, Cham, 2019. – Pp. 272–277. DOI: 10.1007/978-3-030-32258-8_32 (WoS, Scopus, Q4)
  8. Khlobystova A.O., Abramov M.V., Tulupyev A.L. An approach to estimating of criticality of social engineering attacks traces // Studies in Systems, Decision and Control. 2019. Pp. 446–456. ISSN: 2198-4182. DOI: 10.1007/978-3-030-12072-6_36 (Scopus, Q4)
  9. Shindarev N., Bagretsov G., Abramov M., Tulupyeva T., Suvorova A. Approach to identifying of employees profiles in websites of social networks aimed to analyze social engineering vulnerabilities // Advances in Intelligent Systems and Computing, 2018. Vol. 679. Pp. 441–447. DOI: 10.1007/978-3-319-68321-8_45  (Scopus, WoS)
  10. Bagretsov G.I., Shindarev N.A., Abramov M.V., Tulupyeva T.V. Approaches to development of models for text analysis of information in social network profiles in order to evaluate user’s vulnerabilities profile // Soft Computing and Measurements (SCM), 2017 XX IEEE International Conference on. IEEE, 2017. Pp. 93–95. DOI: 10.1109/SCM.2017.7970505 ( Scopus, WoS)
  11. Abramov M.V., Azarov A.A. Identifying user’s of social networks psychological features on the basis of their musical preferences // Soft Computing and Measurements (SCM), 2017 XX IEEE International Conference on. IEEE, 2017. P. 90–92.  DOI: 10.1109/SCM.2017.7970504 (Scopus, WoS)
  12. Abramov M. V., Azarov A. A. Social engineering attack modeling with the use of Bayesian networks // Soft Computing and Measurements (SCM), 2016 XIX IEEE International Conference on. – IEEE, 2016. Pp. 58–60. DOI: 10.1109/SCM.2016.7519682 (Scopus, WoS)

Создание приложения с применением методов искусственного интеллекта для предсказания появления осложнений или смертельного исхода пациентов с кардиологическими заболеваниями.

Latest episodes TICS lab

Проводимые исследования направлены на моделирование и оценку параметров поведения человека. Данная задача возникает во многих, прежде всего, междисциплинарных исследовательских проектах. При этом основным инструментарием исследования подобных процессов в социуме остается опрос или интервью, результаты которого часто могут быть сильно смещенными или не допускать явного преобразования в числовой формат. В настоящем проекте предлагается оптимизация некоторых этапов исследований, связанных с изучением поведения, а именно разработана математическая модель, которая позволяет делать выводы о характеристиках поведения на основе расширенных исходных данных — сведения о последних эпизодах, минимальном и максимальном интервалах. Проведенные эксперименты показывают, что предложенная модель позволяет получать предсказания с высокой точностью, не требуя при этом длительного сбора данных.

Latest episodes

Для реализации проекта были применены методы из области нечетких систем и мягких вычислений, касающиеся представления неопределенности данных и знаний, для обработки таких особенностей исходных данных, как неполнота, неточность и нечисловой характер. Основным инструментом моделирования процессов в социуме выступали методы теории байесовских сетей доверия. 

Аппарат байесовских сетей доверия (БСД) позволяет представлять сложные взаимосвязи в удобной форме, делать выводы при поступлении новых данных и обрабатывать данные с неопределенностью. Кроме того, БСД позволяют комбинировать различные типы источников знаний: они могут быть полностью построены на статистических данных, определены экспертными знаниями или и тем, и другим одновременно.

  • Текущие
  • Завершённые

Проект РФФИ № 19-37-90120 Аспиранты Машинное обучение и структурные особенности байесовской сети доверия со скрытыми переменными как модели социально-значимого поведения

Руководитель: Тулупьев Александр Львович

Материалы по проекту

Описание проекта
Проект направлен на создание и исследование правдоподобной модели социального поведения при значительно ограниченном объеме информации, отличающейся неполнотой и недоопределенностью. Актуальность такой задачи не вызывает сомнений в контексте потребности иметь инструменты косвенного оценивания параметров угрозообразующего, рискованного, социальнозначимого и иных видов поведения в условиях информационного дефицита.
Неточные и неполные данным об эпизодах поведения респондентов на основе небольшого числа наблюдений, а также данные от экспертов соответствующей предметной области обусловили выбор основного инструмента моделирования – байесовских сетей доверия, так как они обладают возможностями объединения нескольких видов информации, например, полученной от экспертов или статистически, работы с неполной или неточной информацией и другими полезными свойствами.
Планируется создание прототипа программного комплекса, позволяющего оценку параметров моделей социального поведения на основе введенных пользователем данных, а также с возможностью получения данных из социальных сетей.
Полученные результаты смогут быть применены для анализа процессов в социуме в различных областях, например, в социологии, маркетинговых исследования, эпидемиологии (при рассмотрении в качестве эпизодов поведения действии, ведущих к передаче заболеваний).

Сроки выполнения
01.10.19 → 30.09.21

Ключевые слова
Байесовские сети доверия, неполная информация, социальное поведение, анализ социального поведения, интенсивность поведения, БСД, скрытые переменные.

Исполнитель
Торопова Александра Витальевна

Грант РФФИ на 2016–2018 гг., проект № 16-31-60063-мол_а_дк Методы синтеза и оценки адекватности вероятностных графических моделей труднонаблюдаемых процессов социального характера

Руководитель: Суворова Алёна Владимировна

Грант РФФИ на 2016–2017 гг., проект № 16-31-00373 мол_а Методы идентификации параметров социальных процессов по неполной информации на основе вероятностных графических моделей

Руководитель: Суворова Алёна Владимировна

Описание проекта
Целью проекта являлась разработка методов, позволяющих определить характеристики поведения респондента на основе неточной, неполной, нечисловой информации об эпизодах поведения. В качестве типичного источника информации о подобном поведении выступают неформализованные знания экспертов и сведения опроса субъектов поведения. В качестве основного инструмента моделирования поведения выступают байесовские сети доверия. На первом этапе исследования был проведен обзор инструментов для работы с байесовскими сетями доверия, обоснован выбор инструмента для дальнейшей работы. Для учета неопределенности исходных данных предложен метод оценки согласованности ответов респондентов на основе скрытых переменных. Разработана расширенная модель социально-значимого поведения как средство для диагностики согласованности данных респондентов. Проведено тестирование модели на автоматически сгенерированных данных. Рассмотрена возможность применения модели не только для получения индивидуальных оценок, но и для оценки групповой динамики. Для реализации указанных задач разработаны соответствующие модули программного обеспечения на языках C# и R. Результаты представлены на ряде конференций и опубликованы в научных изданиях.

Сроки выполнения
1.01.16 → 31.12.17

Ключевые слова
Модели поведения, рискованное поведение, вероятностные графические модели.

Исполнители
Абрамов Максим Викторович, Торопова Александра Витальевна, Золотин Андрей Алексеевич, Мальчевская Екатерина Андреевна.

Проект Национальных институтов здоровья США по изучению аспектов раскрытия ВИЧ-статуса в рамках совместной с Йельским универсиетом программы AIDS International Training and Research Program ―Training and Research in HIV Prevention in Russia (грант NIH/Yale University 2D43TW001028 – 11A1/M12A11159(A08370)).

Руководитель: Сироткин Александр Владимирович

Грант РФФИ на 2014–2016 гг., проект № 14-01-00580 Гибридные методы, модели и алгоритмы анализа и синтеза оценок параметров латентных процессов в сложных социальных системах при информационном дефиците

Руководитель: Степанов Денис Вячеславович

Описание проекта
Проект направлен на создание и разработку моделей, методов и алгоритмов анализа параметров стохастических процессов в условиях неполной, неточной, нечеткой и нечисловой информации, характеризующейся гранулярностью. Основным инструментом моделирования стохастических процессов для последующей разработки подходов к оцениванию их характеристик выступает теория случайных последовательностей вместе с методами теории байесовских сетей доверия и аппарата копул.
В результате работ по проекту модифицирована модель на основе байесовской сети доверия для оценки параметров процесса на основе данных об ограниченном числе эпизодов поведения. Разработана расширенная модель социально-значимого поведения как средство для диагностики согласованности исходных данных. Предложены две модификации модели, позволяющие работать как с дискретными, так и с непрерывными величинами. Реализован исследовательский прототип программного комплекса для работы с разработанными моделями. Рассмотрены возможности применения модели в рамках различных практических задач, включая описание поведения в социальных сетях, угрозообразующее поведение пользователей информационных систем в контексте защиты информации от социоинженерных атак и рискованное поведение в контексте оценивания риска передачи инфекционных заболеваний. Полученные результаты развивают новые подходы к обработке данных особого типа, часто встречающихся при анализе социально-значимого поведения на основе результатов опроса или интервью.

Сроки выполнения
1.01.14 → 31.12.16

Ключевые слова
Вероятностные графические модели, стохастические процессы, байесовские сети, математические модели поведения.

Исполнители
Абрамов Максим Викторович, Тулупьева Татьяна Валентиновна, Красносельских Татьяна Валерьевна, Торопова Александра Витальевна, Суворова Алёна Владимировна, Сироткин Александр Владимирович, Мальчевская Екатерина Андреевна, Романов Артем Витальевич.

  • Текущие
  • Завершённые

Проект СПбГУ M1_2021 — 1 на 2021 год Моделирование коммуникативного поведения жителей российского мегаполиса в социально-речевом и прагматическом аспектах с привлечением методов искусственного интеллекта: 2021- этап 1.

Руководитель: Богданова-Бегларян Наталья Викторовна

Описание проекта
Проект посвящён междисциплинарным исследованиям в области гуманитаристики.

Сроки выполнения
1.01.21 → 31.12.21

Ключевые слова
Коммуникация, прагматика, повседневная речь, моделирование, искусственный интеллект, русский язык, машинное обучение, социолингвистика, диалоговые системы.

Исполнители
Блинова Ольга Владимировна, Хохлова Мария Владимировна, Шерстинова Татьяна Юрьевна, Зайдес Кристина Денисовна, Сулимова Татьяна Сергеевна, Стойка Дарья Андреевна, Королькова Мария Денисовна Институт лингвистических исследований РАН, Митрофанова Ольга Александровна, Карпов Алексей Анатольевич, Иссерс Оксана Сергеевна, Турыгина Мария Игоревна, Горбунова Дарья Александровна, Хлобыстова Анастасия Олеговна

Грант Фонда Потанина на 2017–2018 гг., проект № ГК170001610 по разработке нового курса магистратуры «Интеллектуальный анализ проекта: инструментарий и жизненный цикл проекта».

Руководитель: Тулупьев Александр Львович

Сроки выполнения
1.01.17 → 31.12.18

Ключевые слова
Интеллектуальный анализ данных.

Исполнители
Тулупьева Татьяна Валентиновна

Гранты списком
  1. Тулупьев А.Л. — руководитель проекта. Проект СПбГУ № 73555239 (NIR_GZ_2021 – 1) на 2021 год Искусственный интеллект и наука о данных: теория, технология, отраслевые и междисциплинарные исследования и приложения: 2021- этап 1.
  2. Хлобыстова А.О. — исполнитель проекта. Проект M1_2021 — 1 на 2021 год Моделирование коммуникативного поведения жителей российского мегаполиса в социально-речевом и прагматическом аспектах с привлечением методов искусственного интеллекта: 2021 г. – этап 1.
  3. Абрамов М.В. — руководитель проекта. Грант РФФИ на 2020–2022 гг., проект № 20-07-00839 А Цифровые двойники и мягкие вычисления в моделировании социоинженерных атак и оценке связанных с ними рисков (материалы по проекту).
  4. Тулупьев А.Л. — руководитель проекта, Торопова А.В. — исполнитель проекта. Грант РФФИ на 2019–2021 гг., проект №19-37-90120 «Машинное обучение и структурные особенности байесовской сети доверия со скрытыми переменными как модели социально-значимого поведения»  (материалы по проекту).
  1. Тулупьев А.Л. — руководитель проекта. Грант РФФИ на 2018–2020 гг., проект № 18-01-00626-а Методы представления, синтеза оценок истинности и машинного обучения в алгебраических байесовских сетях и родственных моделях знаний с неопределенностью: логико-вероятностный подход и системы графов (материалы по проекту).
  2. Абрамов М.В. — руководитель проекта. Грант РФФИ на 2018–2019 гг., проект № 18-37-00323 мол_а Социоинженерные атаки в корпоративных информационных системах: подходы, методы и алгоритмы выявления наиболее вероятных траекторий (материалы по проекту).
  3. Азаров А.А. — руководитель проекта. Грант РФФИ на 2018–2019 гг., проект № 18-31-00340-мол_а Методы анализа устойчивости структуры социальных связей пользователей информационной системы к социоинженерным атакующим воздействиям злоумышленника на основе применения генетических алгоритмов.
  4. Суворова А.В. — руководитель проекта. Грант РФФИ на 2016–2018 гг., проект № 16-31-60063-мол_а_дк Методы синтеза и оценки адекватности вероятностных графических моделей труднонаблюдаемых процессов социального характера.
  5. Тулупьев А.Л. — руководитель проекта. Грант Фонда Потанина на 2017–2018 гг., проект № ГК170001610 по разработке нового курса магистратуры «Интеллектуальный анализ проекта: инструментарий и жизненный цикл проекта».
  6. Суворова А.В. — руководитель проекта. Грант РФФИ на 2016–2017 гг., проект № 16-31-00373 мол_а Методы идентификации параметров социальных процессов по неполной информации на основе вероятностных графических моделей.
  7. Тулупьев А.Л. — руководитель проекта. Грант РФФИ на 2015–2017 гг., проект № 15-01-09001-а Комбинированный логико-вероятностный графический подход к представлению и обработке систем знаний с неопределенностью: алгебраические байесовские сети и родственные модели. (Материалы по проекту)
  8. Сироткин А.В. — руководитель проекта. Проект Национальных институтов здоровья США по изучению аспектов раскрытия ВИЧ-статуса в рамках совместной с Йельским универсиетом программы AIDS International Training and Research Program ―Training and Research in HIV Prevention in Russia (грант NIH/Yale University 2D43TW001028 – 11A1/M12A11159(A08370)).
  9. Степанов Д.В. — руководитель проекта. Грант РФФИ на 2014–2016 гг., проект № 14-01-00580 Гибридные методы, модели и алгоритмы анализа и синтеза оценок параметров латентных процессов в сложных социальных системах при информационном дефиците.
  10. Нечаев В.Д. — руководитель проекта. Грант РФФИ на 2014–2016 гг., проект № 14-07-00694 Методология интеллектуального поиска маркеров в Интернет-контенте.