< Назад к проектам

Здесь размещаются материалы по тематике проекта РФФИ 18-01-00626 «Методы представления, синтеза оценок истинности и машинного обучения в алгебраических байесовских сетях и родственных моделях знаний с неопределенностью: логико-вероятностный подход и системы графов».

Сведения о научно-исследовательской работе

Сведения о результатах первого года научно-исследовательской работы

Краткие результаты научно-исследовательской работы

Список публикаций по тематике гранта со ссылкой на источник за весь период проведения научно-исследовательской работы:

  • Zolotin A.A., Tulupyev A.L. Sensitivity Statistical Estimates for Local A Posteriori Inference Matrix-Vector Equations in Algebraic Bayesian Networks over Quantum Propositions // Vestnik St. Petersburg University, Mathematics. 2018. Т. 51. №. 1. С. 42–48. Ссылка.
  • 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. Ссылка.
  • Золотин А.А., Тулупьев А.Л.  Оценка чувствительности уравнений локального апостериорного вывода в алгебраических байесовских сетях над пропозициями-квантами // Вестник Санкт-Петербургского университета. Серия 1. Математика. Механика. Астрономия. 2018. Т. 63, № 1. С. 55–64. Ссылка.
  • Суворова А.В., Смирнова К.Р., Будин Е.А., Тулупьева Т.В., Тулупьев А.Л., Абрамов М.В. Исследовательский проект как инструмент обучения методам анализа текста: предсказание класса поста в социальной сети // Компьютерные инструменты в образовании. Ссылка.
  • Харитонов Н.А. Поддержание интернальной непротиворечивости алгебраических байесовских сетей с линейной и звездчатой структурой: статистические оценки сложности // Научно-технический вестник информационных технологий, механики и оптики. 2018. Т 6.  С. 1108–1117. Ссылка.
  • Kharitonov N., Malchevskaya E., Zolotin A., Abramov M. External Consistency Maintenance Algorithm for Chain and Stellate Structures of Algebraic Bayesian Networks: Statistical Experiments for Running Time Analysis  // Advances in Intelligent Systems and Computing. Vol. 875. Proceedings of the Third International Scientific Conference “Intelligent Information Technologies for Industry” (IITI’18). Springer, 2018. Vol. 2. P. 23–30. Ссылка.
  • Suvorova A., Tulupyev A. Learning Bayesian Network Structure for Risky Behavior Modelling // Advances in Intelligent Systems and Computing. Vol. 875. Proceedings of the Third International Scientific Conference “Intelligent Information Technologies for Industry” (IITI’18). Springer, 2018. Vol. 2. P. 58–65. Ссылка.
  • Toropova A. Synthesis and learning of socially significant behavior model with hidden variables  // Advances in Intelligent Systems and Computing. Vol. 875. Proceedings of the Third International Scientific Conference “Intelligent Information Technologies for Industry” (IITI’18). Springer, 2018. Vol. 2. P. 76–84. Ссылка.
  • Suvorova A. Exploring Bayesian belief network for risky behavior modelling: discretization and latent variables // Proceedings of the II International Scientific and Practical Conference “Fuzzy Technologies in the Industry – FTI 2018”. CEUR Workshop Proceedings. P. 63–70. Ссылка.
  • Tulupyev A., Kharitonov N., Zolotin A. Algebraic Bayesian networks: consistent fusion of partially intersected knowledge systems // Proceedings of the II International Scientific and Practical Conference “Fuzzy Technologies in the Industry – FTI 2018”. CEUR Workshop Proceedings. P. 109–115. Ссылка.
  • Абрамов М.В., Тулупьева Т.В., Тулупьев А.Л. Социоинженерные атаки: социальные сети и оценки защищенности пользователей // РИЦ ГУАП. 2018. 300 с
  • Мальчевская Е.А., Столярова В.Ф. Чувствительность оценки вероятности свидетельства локального апостериорного вывода в алгебраических байесовских сетях: вычислительные эксперименты // XXI Международная конференция по мягким вычислениям и измерениям (SCM–2018). Сборник докладов в 2-х томах. Санкт-Петербург. 23–25 мая 2018 г. СПб.: СПбГЭТУ «ЛЭТИ». Том 1. C. 89–92. Ссылка.
  • Столярова В.Ф. Моделирование копулы зависимости длин интервалов между последовательными эпизодами поведения индивида в гамма-пуассоновской модели // XXI Международная конференция по мягким вычислениям и измерениям (SCM–2018). Сборник докладов в 2-х томах. Санкт-Петербург. 23–25 мая 2018 г. СПб.: СПбГЭТУ «ЛЭТИ». Том 1. C. 122–125. Ссылка.
  • Харитонов Н.А., Березин А.И. Синтез математического представления ациклической алгебраической байесовской сети // XXI Международная конференция по мягким вычислениям и измерениям (SCM–2018). Сборник докладов в 2-х томах. Санкт-Петербург. 23–25 мая 2018 г. СПб.: СПбГЭТУ «ЛЭТИ». Том 1. C. 141–143. Ссылка.
  • Бушмелев Ф.В., Харитонов Н.А. Использование байесовских сетей при анализе защищенности пользователей информационных систем от социоинженерных атак // Региональная информатика (РИ–2018). XVI Санкт-Петербургская международная конференция «Региональная информатика (РИ-2018)». (Санкт-Петербург, 24–26 октября 2018 г.): Материалы конференции. СПб: СПОИСУ, 2018. С. 544–545. Ссылка.
  • Тулупьев А.Л. Логико-вероятностный подход к слиянию систем знаний с неопределенностью на основе алгебраических байесовских сетей // Региональная информатика (РИ–2018). XVI Санкт-Петербургская международная конференция «Региональная информатика (РИ-2018)». (Санкт-Петербург, 24–26 октября 2018 г.): Материалы конференции. СПб: СПОИСУ, 2018. С. 552–554. Ссылка.
  • Харитонов Н.А. Использование параллельных вычислений при поддержке непротиворечивости алгебраических байесовских сетей // Региональная информатика (РИ–2018). XVI Санкт-Петербургская международная конференция «Региональная информатика (РИ-2018)». (Санкт-Петербург, 24–26 октября 2018 г.): Материалы конференции. СПб: СПОИСУ, 2018. С. 558–-559.  Ссылка.
  • Харитонов Н.А., Тулупьев А.Л. Возможные подходы к слиянию и гибридизации алгебраических байесовских сетей // Региональная информатика (РИ–2018). XVI Санкт-Петербургская международная конференция «Региональная информатика (РИ-2018)». (Санкт-Петербург, 24–26 октября 2018 г.): Материалы конференции. СПб: СПОИСУ, 2018. С. 559–560. Ссылка.
  • Харитонов Н.А. Алгоритм построения неоднородной математической структуры алгебраических байесовских сетей // Материалы конференции «Информационные технологии в управлении» (ИТУ–2018). СПб.: АО «Концерн «ЦНИИ «Электроприбор», 2018. С. 58–60. Ссылка.
  • Абрамов М.В., Тулупьев А.Л., Тулупьева Т.В. Агрегирование данных из социальных сетей для восстановления фрагмента мета-профиля пользователя // Шестнадцатая Национальная конференция по искусственному интеллекту с международным участием КИИ–2018 (24–27 сентября 2018 г., г. Москва, Россия). Труды конференции. В 2-х томах. Т 1. С.189–197. Ссылка.
  • Тулупьев А.Л. Алгебраические байесовские сети: локальный логико-вероятностный вывод. Учебное пособие // Изд. 2-е, перераб. и дополн. СПб.: ВВМ. 2019. 138 с. 
  • Тулупьев А.Л. Алгебраические байесовские сети: глобальный логиковероятностный вывод в деревьях смежности. Учебное пособие // Изд. 2-е, перераб. и дополн. СПб.: ВВМ. 2019. 108 С. 32 
  • Тулупьев А.Л., Николенко С.И., Сироткин А.В. Основы теории байесовских сетей: учебник // СПб.: Изд-во С.-Петерб. ун-та. 2019. 399 С.
  • Kharitonov N.A., Maximov A.G., Tulupyev A.L. Algebraic Bayesian Networks: Na¨ıve Frequentist Approach to Local Machine Learning Based on Imperfect Information from Social Media and Expert Estimates // Artificial Intelligence. RCAI 2019. Communications in Computer and Information Science. Springer, Cham. 2019. P. 234–244. Ссылка. 
  • Харитонов Н. А., Тулупьев А. Л. Алгебраические байесовские сети: изолированное слияние фрагментов знаний в условиях дефицита информации // Научнотехнический вестник информационных технологий, механики и оптики. 2019. Т. 19. № 4. С. 641–649. Ссылка.
  • Khlobystova A.O., Abramov M.V., Tulupyev A.L. An approach to estimating of criticality of social engineering attacks traces //International Conference on Information Technologies. Springer, Cham. 2019. P. 446-456. Ссылка.
  • Хлобыстова А.О., Абрамов М.В., Тулупьева Т.В., Тулупьев А.Л. Социальное влияние на пользователя в социальной сети: типы связей в оценке поведенческих рисков, связанных с социоинженерными атаками // Управленческое консультирование. 2019. № 3. С. 104–117.Ссылка.
  • Хлобыстова А.О., Абрамов М.В., Тулупьев А.Л. Подход наибольшего правдоподобия к задаче выявления траекторий социоинженерных атак и скомпрометированных пользователей информационных систем // Системы управления, связи и безопасности. 2019. № 3. С. 202–219. Ссылка. 
  • Абрамов М.В., Тулупьев А.Л., Тулупьева Т.В. Психологические особенности, психические состояния пользователя и профиль его уязвимостей в контексте социоинженерных атак // Психология психических состояний: сб. статей студентов, магистрантов, аспирантов и молодых ученых. Казань. 2019. №. 978-5. С. 312–317. Ссылка.
  • 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. P. 272–277. Ссылка. 
  • 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 // Communications in Computer and Information Science. 2019. P. 47–58. Ссылка.
  • Корепанова А.А., Абрамов М.В., Тулупьева Т.В. Идентификация аккаунтов пользователей в социальных сетях «Вконтакте» и «Одноклассники» // Семнадцатая Национаьная конференция по искусственному интеллекту с международным участием КИИ-2019. 2019. С. 153–163. Ссылка.
  • Корепанова А.А., Тулупьева Т.В. Идентификация аккаунтов пользователя в различных социальных сетях по социальному окружению //Информационная безопасность регионов России (ИБРР-2019). XI Санкт-Петербургская межрегиональная конференция. Санкт-Петербург, 23-25 октября 2019 г.: Материалы конференции / СПОИСУ. 2019. С. 442–443. Ссылка.
  • Корепанова А.А. Сопоставление пользовательских аккаунтов на основе поведенческих паттернов //Информационная безопасность регионов России (ИБРР-2019). XI Санкт-Петербургская межрегиональная конференция. Санкт-Петербург, 23-25 октября 2019 г.: Материалы конференции / СПОИСУ. 2019. С. 441–442. 
  • Хлобыстова А.О., Абрамов М.В. Распределение прав доступа в системе как мера понижения вероятности успеха социоинженерной атаки //Информационная безопасность регионов России (ИБРР-2019). XI Санкт-Петербургская межрегиональная конференция. Санкт-Петербург, 23-25 октября 2019 г.: Материалы конференции / СПОИСУ. 2019. С. 454–455. 
  • Kharitonov N.A., Maximov A.G., Tulupyev A.L. Algebraic Bayesian networks: parallel algorithms for maintaining local consistency // International Conference on Intelligent Information Technologies for Industry. Springer, Cham, 2019. P. 214–222. Ссылка.
  • Максимов А. Г. , Завалишин А. Д. , Абрамов М. В. , Тулупьев А. Л. Семейства деревьев смежности и критерий дополнительности // Компьютерные инструменты в образовании. 2020. №. 1. С. 28–37. Ссылка.
  • Максимов А. Г. , Завалишин А. Д. , Абрамов М. В. , Тулупьев А. Л. Хемоинформатика: приложения информатики в анализе химических структур (на примере сульфида кадмия) // Компьютерные инструменты в образовании. 2019. №. 4. С. 44–54. Ссылка.
  • Максимов А. Г. , Завалишин А. Д. , Абрамов М. В. , Тулупьев А. Л. Графы производных в глобальных структурах алгебраических байесовских сетей // Компьютерные инструменты в образовании. 2020. №. 2. С. 59–65. Ссылка.
  • 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. P. 198–205. Ссылка.
  • Khlobystova A.O., Tulupyeva T.V., Maksimov A.G., Korepanova A.A. An approach to quantification of relationship types between users based on the frequency of combinations of non-numeric evaluations // International Conference on Intelligent Information Technologies for Industry. Springer, Cham, 2019. P. 206–213. Ссылка.
  • Торопова А.В., Тулупьева Т.В. Байесовская сеть доверия как модель оценки интенсивности поведения на примере постинга в социальной сети // Сборник докладов XXIII Международной конференции по мягким вычислениям и измерениям (SCM2020). М. СПб: СПбГЭТУ «ЛЭТИ». С. 20–22. Ссылка.
  • Завалишин А.Д., Тулупьев А.Л., Максимов А.Г. Алгебраические байесовские сети: эмпирические оценки чувствительности второй задачи локального апостериорного вывода // Сборник докладов XXIII Международной конференции по мягким вычислениям и измерениям (SCM-2020). М. СПб: СПбГЭТУ «ЛЭТИ». С. 29–31. Ссылка.
  • Максимов А.Г., Тулупьев А.Л., Завалишин А.Д. Алгебраические байесовские сети: сложность проверки непротиворечивости // Сборник докладов XXIII Международной конференции по мягким вычислениям и измерениям (SCM-2020). М. СПб: СПбГЭТУ «ЛЭТИ». С. 32–34. Ссылка.
  • Хлобыстова А.О., Абрамов М.В., Тулупьева Т.В. Применение метода вероятностей альтернатив при построении оценок интенсивности взаимосвязей // Сборник докладов XXIII Международной конференции по мягким вычислениям и измерениям (SCM-2020). М. СПб: СПбГЭТУ «ЛЭТИ». С. 35–38. Ссылка.
  • Корепанова А.А., Олисеенко В.Д., Абрамов М.В. Применимость коэффициентов сходства в задаче сравнения социального окружения // Сборник докладов XXIII Международной конференции по мягким вычислениям и измерениям (SCM-2020). М. СПб: СПбГЭТУ «ЛЭТИ». С. 39–42. Ссылка.
  • Toropova A. V., Tulupyeva T. V. Bayesian BeliefNetwork as a Behavior Intensity Rate Model on the Example of Posting in a Social Network //2020 XXIII International Conference on Soft Computing and Measurements (SCM). IEEE, 2020. P. 22–24. Ссылка.
  • Zavalishin A. D., Tulupyev A. L., Maksimov A. G. Algebraic Bayesian Networks: Empirical Estimates of the Sensitivity of Local Posteriori Inference // 2020 XXIII International Conference on Soft Computing and Measurements (SCM). IEEE, 2020. P. 31– 33. Ссылка.
  • Maksimov A. G., Tulupyev A. L., Zavalishin A. D. Algebraic Bayesian Networks: the Complexity of Consistency Checking // 2020 XXIII International Conference on Soft Computing and Measurements (SCM). IEEE, 2020. P. 34–36. Ссылка.
  • Khlobystova A. O., Abramov M. V., Tulupyeva T. V. Application of the Altematives Method Probabilities in Construction of Intensity of User Communications Estimates // 2020 XXIII International Conference on Soft Computing and Measurements (SCM). IEEE, 2020. P. 37–40. Ссылка.
  • Korepanova A. A., Oliseenko V. D., Abramov M. V. Applicability of Similarity Coefficients in Social Circle Matching // 2020 XXIII International Conference on Soft Computing and Measurements (SCM). IEEE, 2020. P. 41–43. Ссылка.
  • Завалишин А.Д., Максимов А.Г. Верхняя теоретическая оценка решения второй задачи локального апостериорного вывода в алгебраических байесовских сетях // VIII Международная научно-практическая конференция «Нечеткие системы, мягкие вычисления и интеллектуальные технологии» НСМВИТ-2020 (29 июня – 1 июля 2020 г., г. Смоленск, Россия). Труды конференции. В 2-х томах. Т 1 – Смоленск: Универсум, 2020. С. 120–127. Ссылка.
  • Максимов А.Г., Завалишин А.Д., Тулупьев А.Л. Оценка сложности алгоритма построения минимального графа смежности // VIII Международная научно-практическая конференция «Нечеткие системы, мягкие вычисления и интеллектуальные технологии» НСМВИТ-2020 (29 июня – 1 июля 2020 г., г. Смоленск, Россия). Труды конференции. В 2-х томах. Т 1 – Смоленск: Универсум, 2020. С. 128–134. Ссылка.
  • Харитонов Н.А., Тулупьев А.Л. Локальное параметрическое обучение алгебраических байесовских сетей // VIII Международная научно-практическая конференция «Нечеткие системы, мягкие вычисления и интеллектуальные технологии» НСМВИТ2020 (29 июня – 1 июля 2020 г., г. Смоленск, Россия). Труды конференции. В 2-х томах. Т 1 – Смоленск: Универсум, 2020. С. 110–119. Ссылка.
  • Олисеенко В.Д., Корепанова А.А. Восстановление возраста пользователей: анализ сообществ // VIII Международная научно-практическая конференция «Нечеткие системы, мягкие вычисления и интеллектуальные технологии» НСМВИТ-2020 (29 июня – 1 июля 2020 г., г. Смоленск, Россия). Труды конференции. В 2-х томах. Т 2 – Смоленск: Универсум, 2020. С. 147–153. Ссылка.
  • Бушмелев Ф.В., Абрамов М.В., Тулупьева Т.В. Адаптированный метод цветовых выборов в применении к изображениям из социальных медиа // VIII Международная научно-практическая конференция «Нечеткие системы, мягкие вычисления и интеллектуальные технологии» НСМВИТ-2020 (29 июня – 1 июля 2020 г., г. Смоленск, Россия). Труды конференции. В 2-х томах. Т 2 – Смоленск: Универсум, 2020. С. 154–163. Ссылка.
  • Торопова А.В., Тулупьева Т.В. Модели оценки интенсивности поведения на примере постинга в социальной сети // VIII Международная научно-практическая конференция «Нечеткие системы, мягкие вычисления и интеллектуальные технологии» НСМВИТ-2020 (29 июня – 1 июля 2020 г., г. Смоленск, Россия). Труды конференции. В 2-х томах. Т 2 – Смоленск: Универсум, 2020. С. 164–172. Ссылка.
  • Хлобыстова А.О., Абрамов М.В. Применение гибридных моделей при разграничении прав доступа в контексте социоинженерных атак // VIII Международная научно-практическая конференция «Нечеткие системы, мягкие вычисления и интеллектуальные технологии» НСМВИТ-2020 (29 июня – 1 июля 2020 г., г. Смоленск, Россия). Труды конференции. В 2-х томах. Т 2 – Смоленск: Универсум, 2020. С. 173– 179. Ссылка.
  • Krylov B.S., Abramov M.V. Automatic Hierarchical Task Network Planning System for the Unity Engine Russian // Conference on Artificial Intelligence. Springer, Cham, 2020. P. 122–1133. Ссылка.
  • Toropova A.V., Tulupyeva T.V. Learning Behavior Rate Models on Social Network Data // Conference on Artificial Intelligence. Springer, Cham, 2020. P. 200–209. Ссылка.
  • Khlobystova A.O., Tulupyev A.L. Approaches To Merging Linguistic Values – Users Relationships // Conference on Artificial Intelligence. Springer, Cham, 2020. P. 210–218. Ссылка.
  • Kharitonov N.A., Tulupyev A.L. Local Parameter Training of Algebraic Bayesian Networks: Conjugate Distributions and Expert Knowledge with Uncertainty // Conference on Artificial Intelligence. Springer, Cham, 2020. P. 219–226. Ссылка.
  • Maksimov A.G., Zavalishin A.D. On Analytical Solutions to the Problems of Maintaining Local Consistency // Russian Conference on Artificial Intelligence. Springer, Cham, 2020. P. 152–163. Ссылка.
  • Maksimov A.G., Zavalishin A.D., Tulupyev A.L. Global a priori inference in algebraic Bayesian networks // International Conference on Information Technologies. Springer, Cham, 2020. P. 391–403. Ссылка.
  • Zavalishin A.D., Maksimov A.G., Tulupyev A.L. Upper theoretical estimate of solving the second problem of local a posteriori inference in algebraic Bayesian networks // International Conference on Information Technologies. Springer, Cham, 2020. P. 404–410. Ссылка.
  • Krylov B., Abramov M., Khlobystova A. Automated player activity analysis for a serious game about social engineering // International Conference on Information Technologies. Springer, Cham, 2020. P. 587–599. Ссылка.
  • Toropova A.V., Tulupyeva T.V. Comparison of Behavior Rate Models Based on Bayesian Belief Network // International Conference on Information Technologies. Springer, Cham, 2020. P. 587–599. Ссылка.