Аннотация: Целью данной статьи является создание модели сверточной нейронной сети идентификации и прогнозирования аудио-дипфейков путем классификации голосового контента с применением алгоритмов глубокого машинного обучения, библиотек языка программирования «python». Наборы данных аудиоконтента являются базовыми для процесса обучения нейронной сети и представлены мел-спектрограммами. Обработка графических изображений аудиосигнала в формате тепловой карты формируют базу знаний сверточной нейронной сети. Результаты визуализации мел-спектрограмм в соотношении величины измерения частоты звука и мела определяют ключевые характеристики аудиосигнала и обеспечивают процедуру сравнения между реальным голосом и искусственной речью. Современные синтезаторы речи используют комплексную подборку и ведут формирование синтетической речи на основании записи голоса человека и языковой модели. Отметим значимость мел-спектрограмм, в том числе, для моделей синтезации речи, где данный вид спектрограмм используется для записи тембра голоса и кодировки оригинальной речи говорящего. Сверточные нейронные сети позволяют автоматизировать обработку мел-спектрограмм и выполнить классификацию голосового контента: оригинальный или фейковый. Проведенные эксперименты на тестовых голосовых наборах доказали успешность обучения и применения сверточных нейронных сетей, использующих изображения мел-кепстральных коэффициентов MFCC, для классификации и исследования аудио контента, и применения данного вида нейронных сетей в области информационной безопасности для выявления аудио дипфейков.

Ключевые слова: нейронные сети, выявление голосовых дипфейков, информационная безопасность, модели синтезирования речи, глубокое машинное обучение, категориальная кросс-энтропия, функция потерь, алгоритмы выявления голосовых дипфейков, сверточные нейронные сети

2.3.5 - Математическое и программное обеспечение вычислительных систем, комплексов и компьютерных сетей , 2.3.6 - Методы и системы защиты информации, информационная безопасность

Представлен метод характеризации закона распределения свойством максимума энтропии, предназначенный для моделирования определяющего параметра (случайной величины) сложных технических систем с метрологическим обеспечением. В отличие от классического метода характеризации предлагаемый метод основан на использовании неравенств Чебышева вместо ограничений на статистические моменты. Описан алгоритм построения функции распределения определяющего параметра. Дается сравнение результатов построения законов распределения с использованием разработанного метода и с использованием классического вариационного исчисления.

Ключевые слова: полумарковская модель, средство измерений, поверка, оперативный автоматизированный контроль состояния

1.2.2 - Математическое моделирование, численные методы и комплексы программ , 2.3.5 - Математическое и программное обеспечение вычислительных систем, комплексов и компьютерных сетей

Статья посвящена созданию узкоспециализированной автоматизированной информационной системы учета параметров технологического процесса производства промышленного предприятия. Разработка подобных программных продуктов позволит упростить и ускорить работу технологов и уменьшить влияние человеческого фактора при сборе и обработке данных.

Ключевые слова: автоматизированная информационная система, система учета параметров технологического процесса производства, диаграмма Раммлера-Брейча, ролевая система доступа к данным

2.3.1 - Системный анализ, управление и обработка информации , 2.3.5 - Математическое и программное обеспечение вычислительных систем, комплексов и компьютерных сетей

Одним из важнейших моментов в повышении конверсионной составляющей веб-ресурса является определение наиболее привлекательных мест для пользователя сайта. Для определения этих мест был создано средство визуализации данных активности пользователя сайта, который предоставляет визуальное представление каждого действия пользователя на странице сайта.

Ключевые слова: тепловая карта, сайт, окулограф, фиксация, приоритетная область

1.2.2 - Математическое моделирование, численные методы и комплексы программ , 2.3.5 - Математическое и программное обеспечение вычислительных систем, комплексов и компьютерных сетей