Защита диссертации - Ширяев Егор Михайлович

Ширяев Егор Михайлович

Математическая модель, методы и алгоритмы эффективной реализации искусственных нейронных сетей, сохраняющих конфиденциальность

Диссертация защищена

Искомая степень: Кандидат физико-математических наук.

Специальность: 2.3.5 – Математическое и программное обеспечение вычислительных систем, комплексов и компьютерных сетей.

Дата размещения: 17 сентября 2025.
Текст диссертации: Скачать

Решение совета о принятии диссертации к защите: Диссертация принята к защите.
Автореферат: Скачать
Отзыв научного руководителя: Скачать
Дата защиты: 27 ноября 2025.

Официальный оппонент: Фёдоров Роман Константинович, доктор технических наук (2.3.5).

Место работы, должность: Федеральное государственное бюджетное учреждение науки «Институт динамики систем и теории управления имени В.М. Матросова Сибирского отделения Российской академии наук», заведующий лабораторией комплексных информационных систем.

Основные публикации за последние 5 лет:

1. Климонов М.С., Федоров Р.К. Рекомендательная система для выбора сервисов на геопортале ИДСТУ СО РАН // Информационные и математические технологии в науке и управлении. 2025. № 2 (38). С. 199-207.
2. Фёдоров Р.К. Метод композиции сервисов обработки пространственных данных // Материалы VI Международного семинара по информационным, вычислительным и управляющим системам для распределенных сред (ICCS-DE 2024). Иркутск, 2024. С. 160-168.
3. Авраменко Ю.В., Фёдоров Р.К. Методика вычисления площадей классов подстилающей поверхности по административному делению// Региональные проблемы дистанционного зондирования Земли. Материалы XI Международной научной конференции. Красноярск, 2024. С. 369-372.
4. Фёдоров Р.К. Метод создания композиции сервисов обработки пространственных данных// Ляпуновские чтения 2023. Материалы 39-й международной конференции. Иркутск, 2023. С. 131-134.
5. Бычков, И. В., Маджара, Т. И., Новопашин, А. П., Фереферов, Е. С., Феоктистов, А. Г., & Федоров, Р. К.  Информационно-вычислительные ресурсы ИРНОК: инфраструктура, данные, приложения //Вычислительные технологии. – 2023. – Т. 28. – №. 3. – С. 117-135.
6. Бычков, И. В., Ружников, Г. М., Федоров, Р. К., Попова, А. К., & Авраменко, Ю. В.О классификации космических снимков Sentinel-2 нейронной сетью ResNet-50 //Компьютерная оптика. – 2023. – Т. 47. – №. 3. – С. 474-481.
7. Bychkov I. V., Fedorov R. K., Popova A. K. Application of artificial intelligence technologies for the remote sensing data processing for the forest complex //Ресурсы, окружающая среда и региональное устойчивое развитие в Северо-Восточной Азии. – 2022. – С. 14-14.
8. Бычков И.В., Феоктистов А.Г., Горский С.А., Костромин Р.О., Федоров Р.К. Автоматизация интеграции сервисов веб-обработки данных экологического мониторинга с распределёнными научными приложениями // Автометрия. 2022. Т. 58. № 4. С. 67-75.
9. Бычков И.В., Ружников Г.М., Федоров Р.К., Попова А.К., Авраменко Ю.В. Классификация космоснимков Sentinel-2 байкальской природной территории// Компьютерная оптика. 2022. Т. 46. № 1. С. 90-96.
10. Bychkov I.V., Feoktistov A.G., Gorsky S.A., Kostromin R.O., Fedorov R.K. Automating the integration of services for the web processing of environmental monitoring data with distributed scientific applications // Optoelectronics, Instrumentation and Data Processing. 2022. Т. 58. № 4. С. 373-380.
11. Бычков И.В., Горский С.А., Еделев А.В., Костромин Р.О., Сидоров И.А., Феоктистов А.Г., Фереферов Е.С., Федоров Р.К. Поддержка управления живучестью систем энергетики на основе комбинаторного подхода // Известия Российской академии наук. Теория и системы управления. 2021. Т. 6. № 6. С. 122-135.

Отзыв оппонента: Скачать

Официальный оппонент: Петровский Михаил Игоревич, кандидат физико-математических наук (05.13.11).

Место работы, должность: Федеральное государственное бюджетное образовательное учреждение высшего образования «Московский государственный университет им.М.В.Ломоносова», доцент кафедры интеллектуальных информационных технологий Факультета вычислительной математики и кибернетики.

Основные публикации за последние 5 лет:

1. Машечкин И.В., Петровский М.И., Горохов О.Е. Методы анализа сложно структурированных данных для решения задач информационной безопасности // Ломоносовские чтения. Тезисы докладов Научной конференции. Москва, 2025. С. 103-104.
2. Машечкин И.В., Петровский М.И., Лазухин И.С. Методы отбора признаков для построения моделей процессов нефтепереработки с использованием глубокого обучения // Ломоносовские чтения. Тезисы докладов Научной конференции. Москва, 2025. С. 104-105.
3. Машечкин И.В., Петровский М.И., Казачук М.А. Методы машинного обучения для анализа и моделирования поведения пользователей компьютерных систем // Вестник Московского университета. Серия 15: Вычислительная математика и кибернетика. 2024. № 4. С. 160-189.
4. Vasilev I.A., Filimonova I.O., Petrovskiy M.I., Mashechkin I.V. Stratified statistical models in hardware reliability analysis // Doklady Mathematics. 2024. Т. 110. № S1. С. S103-S109.
5. Петровский М.И., Лазухин И.С., Гриненко А.А. Построение виртуальных анализаторов для производственных процессов на основе генеративных нейронных сетей // Ломоносовские чтения. Тезисы докладов Научной конференции. Москва, 2024. С. 154-155.
6. Горохов О.Е., Петровский М.И., Машечкин И.В. Метод глубокого обучения для выявления аномалий в функционировании компьютерных систем // Итоги науки и техники. Современная математика и ее приложения. Тематические обзоры. 2024. Т. 232. С. 140-152.
7. Mashechkin I.V., Petrovskiy M.I., Kazachuk M.A. Machine learning for analyzing and modeling the behavior of computer system users // Moscow University Computational Mathematics and Cybernetics. 2024. Т. 48. № 4. С. 371-397.
8. Lazukhin I.S., Petrovskiy M.I., Mashechkin I.V. Feature selection methods for deep learning models of soft sensors in oil refining // Moscow University Physics Bulletin. 2024. Т. 79. № S2. С. S872-S889.
9. Васильев Ю.А., Петровский М.И., Машечкин И.В., Панкратьева Л.Л. Прогнозирование степени поражения легких при covid-19 на основе методов машинного обучения // Программирование. 2022. № 4. С. 3-16.
10. Березникер А.В., Казачук М.А., Машечкин И.В., Петровский М.И., Попов И.С. Динамическая аутентификация пользователей на основе анализа работы с компьютерной мышью // Вестник Московского университета. Серия 15: Вычислительная математика и кибернетика. 2021. № 4. С. 3-16.

Отзыв оппонента: Скачать

Ведущая организация: Федеральное государственное автономное образовательное учреждение высшего образования «Южный федеральный университет».

Контактные данные: 344006, Ростовская область, город Ростов-на-Дону, Большая Садовая ул., д. 105/42, +7 (863) 218 40 00, info@sfedu.ru, www.sfedu.ru

Основные публикации за последние 5 лет:

1. Курейчик В.В., Данильченко В.И., Данильченко Е.В. Маршрутизация автономных устройств в трёхмерном пространстве // Информатика и автоматизация. 2025. Т. 24. № 2. С. 492-525.
2. Коваленко А.С. Применение разложения изображения с помощью дискретного вейвлет-преобразования для построения архитектуры шумоподавляющей нейронной сети // Информатика и ее применения. 2024. Т. 18. № 2. С. 60-71.
3. Hamdan N., Medvedev M., Pshikhopov V. Method of motion path planning based on a deep neural network with vector input// Мechatronics, Automation, Control. 2024. Т. 25. № 11. С. 559-567.
4. Гладченко-Джевелекис Я.Н., Толчина Д.Б., Срабионян В.В., Дурыманов В.А., Авакян Л.А., Бугаев Л.А. Машинное обучение для определения архитектуры ансамблей биметаллических PTCU-наночастиц на основании радиальных функций распределения атомов// Российские нанотехнологии. 2024. Т. 19. № 3. С. 322-326.
5. Кудрявцев О.Е., Постолова Д.В. О повышении интерпретируемости искусственных нейронных сетей на примере задач вычисления цен опционов // Информационные процессы. 2024. Т. 24. № 4. С. 405-420.
6. Кудрявцев О.Е., Данилова Н.В. Вычисление цен опционов в модели хестона с помощью искусственных нейронных сетей // Известия высших учебных заведений. Северо-Кавказский регион. Серия: Естественные науки. 2024. № 4-1 (224-1). С. 31-37.
7. Бабенко Л. К., Стародубцев В. С. Особенности реализации системы криптоанализа гомоморфных шифров, основанных на задаче факторизации чисел //Известия ЮФУ. Технические науки. – 2024. – №. 3.
8. Бабенко Л. К., Русаловский И. Д. Разработка операций для алгоритмов гомоморфного шифрования //Вопросы кибербезопасности. – 2024. – №. 2 (60). – С. 101-106.
9. Левин И.И., Подопригора А.В. Модифицированный метод обработки больших разреженных неструктурированных матриц на реконфигурируемых вычислительных системах // Вычислительные методы и программирование. 2024. Т. 25. № 2. С. 142-154.
10. Мигалин М.М., Обуховец В.А. Особенности применения генетического алгоритма для синтеза печатных антенн // Радиотехника. 2024. Т. 88. № 5. С. 129-135.
11. Касьянов А.О., Потипак М.В. Применение графического процессора для цифровой обработки сигналов в реальном масштабе времени // Известия ЮФУ. Технические науки. 2024. № 3 (239). С. 79-91.
12. Neural network application to road surface type identification Isaeva A.S., Denisenko M.A., Kovalev A.V. Computational Technologies. 2023. Т. 28. № 2. С. 19-26.
13. Разработка гибридной нейросети для классификации изображений Гушанский С.М., Буглов В.Е. Инженерный вестник Дона. 2023. № 1 (97). С. 174-186.
14. Категоризация объектов и сцен нейронной сетью, входы которой предварительно обучены декодированию пространственных неоднородностей текстуры Явна Д.В., Бабенко В.В., Горбенкова О.А., Плавельский И.В., Вороная В.Д., Столетний А.С. Оптический журнал. 2023. Т. 90. № 1. С. 37-48.
15. Гайдук А.Р., Прокопенко Н.Н., Бугакова А.В. Компенсация ошибок, вызванных временной задержкой цифровых датчиков // Информатика и автоматизация. 2023. Т. 22. № 4. С. 826-852.
16. Перспективные модели генетических алгоритмов в задачах оптимизации нейронных сетей Ершов В.В. Перспективы науки. 2022. № 8 (155). С. 21-25.
17. О построении самодополнительных кодов и их приложении в задаче сокрытия информации Косолапов Ю.В., Певнев Ф.С., Ягубянц М.В. Моделирование и анализ информационных систем. 2022. Т. 29. № 3. С. 182-198.
18. Математическая модель искусственной нейронной сети для управления робототехническим комплексом в экстремальных условиях Царькова Е.Г. Инженерный вестник Дона. 2022. № 11 (95). С. 371-381.
19. Research on digital media animation control technology based on recurrent neural network using speech technology Wang H., Sharma A., Shabaz M. International Journal of System Assurance Engineering and Management. 2022.
20. Каляев И.А., Каляев А.И. Метод и алгоритмы адаптивного мультиагентного диспетчирования ресурсов в гетерогенных распределенных вычислительных средах // Автоматика и телемеханика. 2022. № 8. С. 100-122.
21. Реализация сверточных нейронных сетей на встраиваемых устройствах с ограниченным вычислительным ресурсом Ковалев В.В., Сергеев Н.Е. Известия ЮФУ. Технические науки. 2021. № 6 (223). С. 64-72.
22. Liu Ya., Shah M.A., Pljonkin A., Ikbal M.A., Shabaz M. Design and research on the intelligent system of urban rail transit project based on BIM+GIS // Scalable Computing. 2021. Т. 22. № 2.

Отзыв ведущей организации: Скачать

Решение диссертационного совета по результатам защиты диссертации: Принято решение о присуждении степени.

Присутствовало 12 из 15 членов диссертационного совета: Белеванцев А.А., Петренко А.К., Турдаков Д.Ю., Бабенко М.Г., Бурдонов И.Б., Дроздов А.Ю., Евтушенко Н.В., Захаров В.Н., Козачок А.В., Машечкин И.В., Позин Б.А., Семенов В.А.

Заключение диссертационного совета: Скачать