Защита диссертации - Ширяев Егор Михайлович

Ширяев Егор Михайлович

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

Диссертация принята к защите

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.

Отзыв ведущей организации: Скачать