https://i-us.ru/index.php/ius/issue/feed Информационно-управляющие системы 2026-11-12T09:37:20+00:00 Ð ius.spb@gmail.com Open Journal Systems <p class="western" style="margin-top: 0.49cm; margin-bottom: 0.49cm; line-height: 100%;">Журнал «<strong>Информационно-управляющие системы</strong>», ISSN 1684-8853 (печ.), ISSN 2541-8610 (эл.), учрежден в 2002 году ФГУП «Издательство «Политехника». В 2012 году журнал перерегистрирован в связи со сменой учредителя: ООО «Информационно-управляющие системы», Свидетельство ПИ №ФС77-49181 от 30 марта 2012 года. С 2004 года издается Санкт-Петербургским государственным университетом аэрокосмического приборостроения (ГУАП).</p> https://i-us.ru/index.php/ius/article/view/16629 Модель адаптивного функционирования системы удаленного мониторинга пациентов при деградации канала связи 2026-11-12T09:29:33+00:00 Александр Александрович Кузьменко skvotcher@yandex.ru Михаил Борисович Сергеев mbse@mail.ru <p><strong>Введение: </strong>непрерывный удаленный мониторинг пациентов оказался чувствителен к снижению пропускной способности и разрывам связи: очередь необработанных данных увеличивала задержку доставки клинически значимого сообщения и могла исчерпать локальную память устройства. <strong>Цель: </strong>разработать модель адаптивного функционирования, сохранявшую приоритет критических данных при изменении характеристик канала и ограниченной емкости накопителя. <strong>Методы: </strong>состояние распределенной системы было формализовано через доступность соединения, подтвержденную скорость доставки, задержку, потери пакетов, заполнение очереди, клинический риск и качество сигнала. Управление представлено детерминированным автоматом с гистерезисом, временным подтверждением состояния и минимальным временем пребывания в режиме. Для сравнения сформирован протокол испытаний на потоке трехканального электрокардиографического сигнала с воспроизводимыми профилями ограничения скорости, задержки, потерь и разрыва соединения. <strong>Результаты: </strong>определены четыре режима: полная, сокращенная и событийная передача, а также автономное накопление с локальным оповещением. Данные разделены на пять приоритетных классов; тревожное сообщение и контекст события обслуживались раньше текущего и архивного некритического потока. Для критических записей выделена защищенная область памяти, а после восстановления связи установлена последовательность синхронизации. Условия допустимости заданы ограничениями на задержку тревоги, сохранность контекста и расчетный автономный интервал. <strong>Практическая значимость: </strong>модель позволила формировать требования к периферийному устройству, накопителю и каналу связи до выбора конкретной аппаратной платформы. <strong>Обсуждение: </strong>численные преимущества адаптивной стратегии не утверждались; предложенный протокол предназначался для их последующей экспериментальной проверки.</p> 2026-11-12T09:37:20+00:00 ##submission.copyrightStatement## https://i-us.ru/index.php/ius/article/view/16620 Математическая модель и экспериментальная оценка устойчивости квантованных DS-CNN для TinyML-распознавания речевых команд 2026-11-12T09:35:10+00:00 Максим Андреевич Князев maxiknyaz@mail.ru Максим Михайлович Гусев mmgusev_1@edu.hse.ru <p><strong>Введение:</strong> квантование позволяет размещать нейронные сети распознавания ключевых слов на микроконтроллерах, но дискретизация весов и активаций изменяет классификационный запас и чувствительность модели к возмущениям. <strong>Цель:</strong> разработать математическую модель, связывающую ошибку квантования, классификационный запас, локальную устойчивость и ограничения развертывания, и применить ее для сравнения режимов численного представления. <strong>Методы:</strong> на бинарной подзадаче «yes/no» набора Google Speech Commands v2 сравнивались сверточные сети с разделением по глубине: исходная сеть с 32-разрядными числами с плавающей точкой и сети с восьми- и четырехразрядным целочисленным квантованием после обучения либо с учетом квантования при обучении. Использовались адаптивные атаки проецируемого градиентного спуска в пространстве признаков, акустические искажения с контролем отношения сигнал/шум, пороговый допуск, парето-анализ и интегральный показатель. <strong>Результаты:</strong> восьмиразрядное квантование после обучения сохранило близкую к исходной точность на чистых данных (95,67 против 95,83 %) и при атаке (90,70 против 91,59 %). Обучение с учетом восьмиразрядного квантования обеспечило соответственно 95,87 и 90,78 % при коэффициенте сохранения точности 0,947. Четырехразрядное квантование после обучения снизило исходную точность до 63,31 %, а обучение с учетом квантования восстановило ее до 88,55 %. Максимальный интегральный показатель 0,5862 получен для восьмиразрядной сети, обученной с учетом квантования, при медиане задержки 41,53 мс на Arduino Nano 33 BLE Sense. При отношении сигнал/шум −5 дБ целевая аугментация этой сети повысила точность с 50,85 до 67,75 %, сократив долю ошибок на 34,4 %. <strong>Практическая значимость:</strong> предложенная модель позволяет количественно выбирать режим квантования с учетом измеренных показателей качества и задержки при отдельном контроле памяти всей прошивки.</p> 2026-11-12T09:37:20+00:00 ##submission.copyrightStatement## https://i-us.ru/index.php/ius/article/view/16602 Валидация автоматных спецификаций на основе перемножения автоматов 2026-11-12T09:30:37+00:00 Владимир Андреевич Назаров nazarov.vladimir.a@gmail.com Анатолий Абрамович Шалыто shalyto@itmo.ru <p><strong>Введение:</strong> при разработке ответственных систем все чаще применяются автоматные спецификации. При этом особую важность и актуальность представляет их валидация. Тестирование и верификация не решают эту проблему, особенно при использовании вложенных конечных автоматов. <strong>Цель:</strong> разработать метод построения автомата-произведения для рассматриваеого класса спецификаций на основе перемножения графов переходов, в том числе для вложенных автоматов, для упрощения эвристической процедуры его последующей валидации. <strong>Методы:</strong> в работе применяется построение достижимой части пространства состояний, обход графа в ширину и имитационная проверка выходных последовательностей событий. <strong>Результаты: предлагаемый </strong>метод формирует автомат-произведение с множеством достижимых пар состояний и отображением переходов, что позволяет при визуальном анализе обнаружить и вручную исключить тупиковые (дедлоки) и другие некорректные состояния и переходы. Последовательное перемножение нескольких автоматов обеспечивает пошаговую проверку корректности всей системы. В рассмотренном примере расхождений выходных последовательностей событий между откорректированной системой и автоматом-произведением на проверенных входных последовательностях событий не обнаружено. <strong>Практическая значимость:</strong> представленный метод позволяет расширить арсенал средств для обеспечения валидации автоматных спецификаций, содержащих, в том числе, вложенные автоматы, однако не гарантирует упрощения автомата-произведения по сравнению с исходной системой. <strong>Обсуждение: </strong>метод особенно полезен при анализе автоматически построенных или модифицированных систем автоматов, поскольку помогает обнаруживать скрытые логические противоречия, которые трудно выявить тестированием, верификацией или имитационным моделированием.</p> 2026-11-12T09:37:20+00:00 ##submission.copyrightStatement## https://i-us.ru/index.php/ius/article/view/16595 Модель и алгоритмы анализа данных киберразведки на основе графа знаний 2026-11-12T09:31:26+00:00 Алексей Михайлович Вульфин vulfin.alexey@yandex.ru Владимир Иванович Васильев vas0015@yandex.ru Андрей Иванович Луцкович ceo@frodex.ru Анастасия Дмитриевна Кириллова kirillova.andm@gmail.com <p><strong>Введение: </strong>традиционные системы генерации ответов с расширенным поиском, основанные на векторном поиске по текстовым фрагментам, ограниченно эффективны при многошаговом сопоставлении отчетов киберразведки, национальных классификаторов угроз и международных баз знаний. <strong>Цель: </strong>разработать и экспериментально оценить модель графа знаний, алгоритмов межонтологического выравнивания и двухконтурного извлечения контекста в ходе анализа данных киберразведки. <strong>Методы: </strong>модель реализована как ориентированный типизированный граф свойств с набором атрибутов, объединяющий национальный банк данных угроз, международные базы знаний о тактиках и техниках атак, защитных мерах, реестры уязвимостей, классификаторы слабостей программного обеспечения, каталоги шаблонов атак и корпус отчетов киберразведки. Достижение цели оценивается количественными метриками при построении межонтологических связей и анализе возможностей вопросно-ответной системы. <strong>Результаты: </strong>разработан алгоритм построения межонтологических связей с проверкой по семантическому сходству, доменным ограничениям и выравниванием с контролем корректности с помощью больших языковых моделей. Реализован двухконтурный алгоритм извлечения контекста, объединяющий граф знаний и доказательный слой текстовых фрагментов. Предложен метод анализа данных киберразведки на основе модели графа знаний, алгоритмов построения межонтологических связей и извлечения контекста. На тестовой выборке обучаемый классификатор межонтологических связей достиг значения метрики F<sub>1</sub> = 0,83. Вводимые экспертные связи повысили значение метрики EM полного совпадения предсказанного и эталонного множества идентификаторов с 0,34 до 0,63, автоматические связи обеспечили значение метрики EM = 0,56. Получен значимый прирост значения метрики Entity Recall@50 относительно текстового поиска: 0,5225 и после сокрытия идентификаторов тактик и техник прирост составил 0,5467. <strong>Практическая значимость: </strong>метод предназначен для поддержки принятия решений аналитиками центра мониторинга информационной безопасности при сопоставлении отчетов киберразведки с национальными и международными базами знаний. <strong>Обсуждение: </strong>межонтологические связи повышают проверяемость ответа за счет выравнивания с контролем корректности, а слой сводных описаний сообществ графа увеличивает согласованность ответа с извлеченным контекстом при умеренном снижении точности.</p> 2026-11-12T09:37:20+00:00 ##submission.copyrightStatement## https://i-us.ru/index.php/ius/article/view/16573 Способ формирования радиостеганографического сигнала на основе дополнительной фазовой модуляции и нелинейной расширяющей псевдослучайной последовательности 2026-11-12T09:32:49+00:00 Сергей Владимирович Штанько craft2001@mail.ru Владимир Александрович Крягин vovella2011@yandex.ru Павел Николаевич Топчий topchy@yandex.ru Дмитрий Александрович Аникин donanikin@yandex.ru <p><strong>Введение:</strong> радиостеганографические методы, основанные на встраивании стегосигнала в открытый сигнал-контейнер на физическом уровне, позволяют решить задачу обеспечения конфиденциальности информации и, в отличие от криптографических методов, скрыть сам факт передачи информации по радиоканалу, однако требуют обеспечения энергетической скрытности стегосигнала и стойкости к попыткам его обнаружения злоумышленником. <strong>Цель:</strong> разработать способ энергетического маскирования радиосигнала внутри сигнала-контейнера на основе дополнительной фазовой манипуляции и нелинейной расширяющей псевдослучайной последовательности, обеспечивающего скрытую передачу информации по стегоканалу с заданной помехоустойчивостью для легального абонента и невозможность обнаружения стегосигнала злоумышленником. <strong>Результаты: </strong>предложен способ формирования стегосигнала путем дополнительной фазовой манипуляции малым углом вектора фазоманипулированного сигнала-контейнера. Угол отклонения выбирался из условия маскировки энергии одного чипа в пределах дисперсии фазового шума. Расширение спектра стегосигнала выполнялось нелинейной псевдослучайной последовательностью, формируемой генератором нелинейной псевдослучайной последовательности, стойкой к анализу. Получены аналитические соотношения для вероятности правильного обнаружения и вероятности битовой ошибки. Показано, что при длине расширяющей последовательности 16 383 элемента легальный абонент достигал вероятности правильного обнаружения 0,9972 при отношении энергии чипа к спектральной плотности шума <em>q</em>=-33 дБ, тогда как злоумышленник при поэлементном приеме не может обнаружить стегосигнал при <em>q</em>&lt;0 дБ. Вероятность битовой ошибки менее 10<sup>-</sup>⁸ достигалась при <em>q</em>=-30 дБ, а злоумышленнику требовалось более 12 дБ – разница составила 42 дБ. Разработан стенд полунатурного моделирования на базе программно-определяемых радиоустройств; отклонение экспериментальных данных от расчетных не превысило пяти процентов. <strong>Практическая значимость: </strong>способ применим к широкому классу цифровых радиосистем с фазовой манипуляцией и может использоваться для передачи данных по встроенному каналу в системах критической информационной инфраструктуры.</p> 2026-11-12T09:37:20+00:00 ##submission.copyrightStatement## https://i-us.ru/index.php/ius/article/view/16635 Средний возраст информации в распределенных системах хранения данных с равноправными узлами 2026-11-12T09:36:12+00:00 Даниил Романович Крылов daniil12244892@mail.ru Андрей Михайлович Тюрликов turlikov@guap.ru Ульяна Алексеевна Болотских bolotsckix.ulia@yandex.ru <p><strong>Введение:</strong> распределенные системы хранения данных могут быть реализованы с помощью ведущих и ведомых узлов или на основе равноправных узлов. Для систем на основе равноправных узлов влияние параметров системы на такой показатель качества функционирования, как средний возраст информации, малоизучен. <strong>Цель:</strong> разработать модель реплицируемой системы хранения данных с равноправными узлами, позволяющую сформулировать и решить задачу минимизации среднего возраста информации за счет выбора размера кворума записи. <strong>Результаты: </strong>предложена модель, отражающая основные особенности функционирования реплицируемых систем хранения данных с равноправными узлами, на которые в многоадресном режиме по ненадежному каналу передается обновление. События, что обновление успешно доставлено, происходят независимо для разных узлов. Вероятность успешной доставки обновления является одним из параметров модели. Указан способ вычисления верхней оценки для среднего возраста информации. Приведено сравнение с имитационным моделированием и установлено, что эта оценка отличается от точного значения не более чем на 1 %. Сформулирована и решена оптимизационная задача выбора размера кворума записи, минимизирующего средний возраст информации. Численные результаты показали, что оптимальный размер кворума записи растет с увеличением общего числа узлов. Получена зависимость среднего возраста информации от общего числа узлов при оптимальном размере кворума записи и фиксированных других параметров модели. Отмечено наличие минимума в этой зависимости. <strong>Практическая значимость:</strong> предложенная модель отражает общие особенности реплицируемых систем хранения данных с равноправными узлами и может быть использована при проектировании реальных систем для соблюдения баланса согласованности и доступности.<strong> Обсуждение: </strong>ключевым допущением модели является независимость успешной доставки обновления на разные узлы. В реальных системах при многоадресной передаче это допущение может не выполняться, что требует дальнейшего исследования и учета зависимости между событиями доставки.</p> 2026-11-12T09:37:20+00:00 ##submission.copyrightStatement## https://i-us.ru/index.php/ius/article/view/16585 Применение сверточной нейронной сети InceptionTime для классификации электрокардиограмм с множественными метками 2026-11-12T09:34:01+00:00 Владимир Михайлович Чубич chubich@ami.nstu.ru Екатерина Сергеевна Коцелап kocelap.2023@stud.nstu.ru <p style="margin: 0cm; text-align: justify; text-indent: 35.45pt; line-height: 150%;"><strong><span style="font-size: 13.0pt; line-height: 150%;">Введение:</span></strong><span style="font-size: 13.0pt; line-height: 150%;"> проблема классификации электрокардиограмм с множественными метками возникает по причине того, что одной записи могут соответствовать несколько диагнозов. Поскольку редкие диагнозы представлены в меньшем количестве, а их признаки проявляются на участках различной длины, использование единого масштаба анализа и общего порога решения повышает риск смещения модели к частым состояниям и пропуска редких патологий. <strong>Цель:</strong> адаптировать и экспериментально исследовать одномерную сверточную нейронную сеть InceptionTime для классификации электрокардиограмм с множественными метками. <strong>Результаты: </strong>разработанная схема классификации электрокардиограмм сочетает многомасштабное извлечение признаков, взвешенную бинарную кросс-энтропию с логитами и индивидуальные пороги для пяти диагностических суперклассов. Экспериментальная проверка, проведенная на наборе десятисекундных двенадцатиканальных электрокардиограмм, включавшем записи без патологий, с инфарктом миокарда, изменениями реполяризации, нарушениями проводимости и гипертрофией, выявила, что на тестовой выборке полнота составила 0,74, а макроусредненная гармоническая мера точности и полноты — 0,72. Сравнение с рекуррентными и сверточными архитектурами показало, что модель на основе архитектуры InceptionTime обеспечила наибольшую полноту и продемонстрировала один из лучших результатов по макроусредненной гармонической мере точности и полноты. <strong>Практическая значимость:</strong> адаптированная модель может служить алгоритмической основой программного модуля предварительного анализа электрокардиограмм и систем поддержки врачебных решений. Независимая оценка диагностических состояний позволяет выявлять несколько патологий в одной записи, а применение отдельных порогов для каждого класса — снижать риск пропуска редких патологий и предварительно выделять записи для последующей проверки специалистом. <strong>Обсуждение:</strong> дальнейшие исследования целесообразно направить на повышение качества распознавания редких диагностических классов и проверку модели на других биомедицинских сигналах (анализ электроэнцефалограмм, оценка уровня стресса и эмоций человека и др.).</span></p> 2026-11-12T09:37:20+00:00 ##submission.copyrightStatement## https://i-us.ru/index.php/ius/article/view/16667 Сведения об авторах 2026-11-12T09:35:09+00:00 . . iusspb@gmail.com <p>.</p> 2026-11-12T09:37:20+00:00 ##submission.copyrightStatement##