Методика построения защищенных систем искусственного интеллекта для проведения электроретинографии в офтальмологии
Ключевые слова:
искусственный интеллект, мультиагентная система, электроретинография, нейронная сеть, контроль целостности, защита информацииАннотация
Актуальность. Известно, что метод электроретинографии (ЭРГ) в офтальмологии, работающий на ключевой регистрации изменений биоэлектрического потенциала сетчатки глаза, использует потенциал воздействия света, проходящего через оптические среды глаза. Похожий метод условно применим к передаче светового импульса по оптоволоконному кабелю, в процессе которого осуществляется корректная передача информации. При нарушении или изменении электрического потенциала есть полные основания полагать, что у человека имеются какие-либо заболевания.
Цель. Разработка технологии создания интеллектуальных систем защиты информации (СЗИ) носит комплексный характер, в котором на первое место выносится квазибиологическая парадигма, где сначала представляется форма программирования информационных процессов, систем машинного
обучения и построения нейронных систем, затем – архитектура искусственного интеллекта (ИИ) с встроенными механизмами обеспечения информационной безопасности. Материал и методы. В настоящей статье составлена методика применения новой системы ИИ в защищенном исполнении для работы с корректирующими приборами для проведения ЭРГ в офтальмологии.
Результаты. Разработан комплекс методологических и научно-технических решений для системы ИИ с целью обеспечить ее «жизнеспособность» и устойчивость к компьютерным атакам, направленным на нарушение целостности.
Заключение. В статье ставится ключевой вопрос – необходимость разработки программных архитектурных решений ИИ и адаптивных нейро-нечетких СЗИ, в которых имеются встроенные в программно-аппаратные системы защиты информации «нейроны» с универсальным набором команд для приборов ЭРГ.
Библиографические ссылки
1. Электроретинография в офтальмологии. Доступно по: https://retina-center.ru/articles/elektroretinografiya-v-oftalmologii/ [Ссылка активна на 15.12.2022] [Electroretinography in ophthalmology. Available from: https://retina-center.ru/articles/elektroretinografiya-v-oftalmologii/ [Accessed 15th December 2022] (In Russ.)]
2. Как работает оптоволоконная связь. Доступно по: https://iks.ru/news/kak-rabotaet-optovolokonnaya-svyaz [Ссылка активна на 15.12.2022] [How fiber-optic communication works. Available from: https://iks.ru/news/kak-rabotaet-optovolokonnaya-svyaz [Accessed 15th December 2022] (In Russ.)]
3. Korzhik VI, Starostin VS, Kabardov MM, Gerasimovich AM, Yakovlev VA, Zhuvikin AG. Information theoretically secure key sharing protocol executing with constant noiseless public channels. Mathematical Aspects of Cryptography. 2021;12(3): 125–141.
4. Штеренберг С.И. Обнаружение вторжений в распределенных информационных системах на основе методов скрытого мониторинга и анализа больших данных. Дисс. …канд. мед. наук. СПб; 2018. [Shterenberg SI. Intrusion detection in distributed information systems based on methods of covert monitoring and analysis of big data. [Dissertation]. Saint Petersburg; 2018. (In Russ.)]
5. Николенко С., Кадурин А., Архангельская Е. Глубокое обучение. СПб.: Питер, 2018. [Nikolenko S, Kadurin A, Arkhangelskaya E. Deep learning. St. Petersburg: Piter; 2018. (In Russ.)]
6. Полтавцева М.А. Управление данными при мониторинге информационной безопасности КФС. Защита информации. Инсайд. 2022;2(104): 10–15. [Poltavtseva MA. Data management during monitoring of information security of the KFS. Information protection. Insider. 2022;2(104): 10–15. (In Russ.)]
7. Хапке Х., Нельсон К., Разработка конвейеров машинного обучения. Автоматизация жизненных циклов модели с помощью TensorFlow. М.: ДМК Пресс; 2021. [Hapke H, Nelson K. Automation of model life cycles using. Automation of the life cycles of the model using Tensor flow. Moscow: DMK Press; 2021. (In Russ.)]
8. Нильсен Э. Практический анализ временных рядов: прогнозирование со статистикой и машинное обучение. СПб.: ООО «Диалектика», 2021. [Nielsen E. Practical time series analysis: forecasting with statistics and machine learning. Saint Petersburg: OOO «Dialectics»; 2021. (In Russ.)]
9. Уорр К. Надежность нейронных сетей: укрепляем устойчивость ИИ к обману. СПб.: Питер; 2021. [Warr K. Reliability of neural networks: we strengthen the AI’s resistance to deception. Saint Petersburg: Piter, 2021. (In Russ.)]
10. Котенко И.В., Ушаков И.А., Технологии больших данных для мониторинга компьютерной безопасности. Защита информации. Инсайд. 2017;3(75): 23–33. [Kotenko IV, Ushakov IA. Big data technologies for monitoring computer security. Information Protection. Inside. 2017;3(75): 23–33.
Опубликован
Выпуск
Раздел
Категории
Лицензия
Это произведение доступно по лицензии Creative Commons «Attribution-NonCommercial» («Атрибуция — Некоммерческое использование») 4.0 Всемирная.
