Открытый доступ
Доступ предоставлен
Только для подписчиков
№ 4 (2024)
ИНФОРМАЦИОННАЯ БЕЗОПАСНОСТЬ
Сравнительный анализ эффективности алгоритмов хэширования с точки зрения применения в схемах zk-SNARK в распределенных реестрах
Аннотация
В работе представлен сравнительный анализ эффективности алгоритмов хэширования с точки зрения применимости в системах на основе протокола неинтерактивного доказательства знания с нулевым разглашением zk-SNARK. Были рассмотрены хэш-функции sha256, sha3, poseidon, mime, blake2, которые находят наибольшее применение в современных распределенных реестрах. Для проведения экспериментов с замером параметров была разработана инфраструктура на основе набора инструментов ZoKrates. На основе полученных результатов определены границы практической применимости алгоритмов для задачи доказательства знания прообраза хэш-функции с помощью схем zk-SNARK в распределенных реестрах, а также выявлены возникающие проблемы эффективности.
3-12
КОМПЬЮТЕРНАЯ ГРАФИКА И ВИЗУАЛИЗАЦИЯ
Построение внутренней диаграммы Вороного многоугольной фигуры методом заметания
Аннотация
В статье рассматривается задача построения внутренней диаграммы Вороного многоугольной фигуры – многоугольника с многоугольными дырами. Предлагается метод, основанный на парадигме плоского заметания. Прямое построение только внутренней части диаграммы Вороного позволяет уменьшить объем вычислений и повысить робастность по сравнению с известными решениями. Другим фактором снижения вычислительной сложности является использование свойства попарной инцидентности линейных отрезков, образованных сторонами многоугольной фигуры. Для учета этих особенностей предлагается строить структуру данных статус заметающей прямой в виде упорядоченного множества зон ответственности сайтов. Структура реализуется в виде комбинации сбалансированного дерева и двунаправленного списка. Вычислительные эксперименты иллюстрируют численную надежность и эффективность предложенного метода.
13-26
ПРОГРАММНАЯ ИНЖЕНЕРИЯ, ТЕСТИРОВАНИЕ И ВЕРИФИКАЦИЯ ПРОГРАММ
Аналитический обзор конфиденциального искусственного интеллекта: методы и алгоритмы реализации в облачных вычислениях
Аннотация
Технологии искусственного интеллекта и облачных систем в последнее время активно развиваются и внедряются. В связи с этим обострился вопрос их совместного использования, актуальный уже несколько лет. Проблема сохранения конфиденциальности данных в облачных вычислениях приобрела статус критической задолго до возникновения необходимости их совместного использования с искусственным интеллектом, который сделал ее еще более сложной. В данной статье представлен обзор как самих методов искусственного интеллекта и облачных вычислений, так и методов обеспечения конфиденциальности данных. В обзоре рассмотрены методы, использующие дифференциальную конфиденциальность; схемы разделения секрета; гомоморфное шифрование; гибридные методы. Проведенное исследование показало, что каждый рассмотренный метод имеет свои плюсы и минусы, обозначенные в работе, однако универсальное решение отсутствует. Было установлено, что теоретические модели гибридных методов, основанных на схемах разделения секрета и полностью гомоморфном шифровании, позволяют существенно повысить конфиденциальность обработки данных с использованием искусственного интеллекта.
27-40
RuGECToR: нейросетевая модель на основе правил для исправления грамматических ошибок на русском языке
Аннотация
Исправление грамматических ошибок является одной из основных задач обработки естественного языка. В настоящий момент наиболее эффективной моделью, использующей подход Sequence Tagging с открытым исходным кодом, для английского языка является модель GECToR. Для русского языка данная задача не имеет настолько эффективных решений ввиду отсутствия достаточного количества размеченных данных. Это послужило причиной проведения данного исследования. В исследовании описан процесс создания синтетического набора данных и обучения на нем модели. Архитектура GECToR адаптирована для русского языка и названа соответствующим образом – RuGECToR. Выбор архитектуры обусловлен тем, что в отличие от подхода Sequence-to-Sequence, она проста в интерпретации и не требует большого количества обучающих данных. Целью исследования было обучить модель таким образом, чтобы она обобщала морфологические свойства языка, а не подстраивалась под обучающую выборку. Представленная модель показала результат 82.5 на синтетических данных и 22.2 на наборе данных RULEC с точки зрения метрики F0.5, при этом набор данных RULEC не использовался на этапе обучения.
41-48