Статья: ОРГАНИЗАЦИОННО-ТЕХНОЛОГИЧЕСКИЙ МЕХАНИЗМ БЕЗОПАСНОЙ ИНТЕГРАЦИИ ИНФРАСТРУКТУРЫ ДОВЕРИЯ ЦИФРОВОГО РУБЛЯ В ЭКОСИСТЕМУ КРЕДИТНО-ФИНАНСОВОЙ ОРГАНИЗАЦИИ (2026)

Цифровая трансформация во всех сферах жизни значительно ускорилась после COVID-19. Во всем мире и в России, в частности, в последние пять лет наблюдается существенный прогресс в области профессиональных навыков в цифровых технологиях. Это одновременно вызов и возможности, когда вопросы интеграции и роста пересекаются. В нашей стране цифровизация в сфере государственных услуг населению развивается опережающими темпами. России необходимы образовательные системы, соответствующие цифровому веку, а также дополнительные программы для обучения и переподготовки той части взрослого населения, которая давно прекратила учебу. Это двусторонняя задача, касающаяся как базовых цифровых навыков, так и современного понимания грамотности. Цель развития цифровых образовательных услуг населению - формирование доступной и эффективной системы обучения для всех категорий граждан. Задача исследования - выявить объективными методами математического анализа данных (без какого-либо использования субъективных оценок) наличие или отсутствие взаимосвязи между социально экономическими параметрами развития региона Российской Федерации и платными образовательными услугами населению. В работе использованы методы кластеризации и классификации однородных объектов по широкому набору социально-экономических и финансовых показателей, важных для исследования развития цифровизации в сфере услуг для населения. Получено четкое разделение регионов на две большие, практически равные группы по этому набору показателей. Представлен сравнительный анализ методов иерархической кластеризации и классической кластеризации с использованием метода K-средних. Отдано предпочтение в пользу иерархической кластеризации. Получены непротиворечивые результаты с использованием обоих методов. Сделан вывод о важности географического фактора и однородности в экономическом развитии регионов, сгруппированных в кластеры. Москва выделяется по уровню развития цифровизации по сравнению с другими регионами, что подтверждают оба метода кластеризации. Использование методов машинного обучения позволило сделать вывод о большей значимости абсолютных показателей по сравнению с относительными для классификации регионов по уровню развития цифровых образовательных услуг населению.

Cтатья посвящена анализу интеллектуальных систем контроля энергопотребления как инструмента повышения энергоэффективности при реализации энергосервисных проектов. Цель исследования заключается в выявлении роли и возможностей таких систем, а также обосновании необходимости адаптации существующих решений для создания единого цифрового контура управления. Методологическую основу исследования составляют принципы системного анализа, методы классификации информационных систем, анализ нормативно-правовой базы энергосервисной деятельности. Эмпирическую базу составили данные Государственного доклада о состоянии энергосбережения в РФ за 2023 г. и аналитические обзоры рынка АСКУЭ. В результате исследования выявлено, что ни один из существующих классов систем в отдельности не обладает полным функционалом, необходимым для сквозного управления энергосервисным проектом. Доля интеллектуальных приборов учета в России достигает 72%. Проанализированы итоги реализации энергосервисных контрактов в 2023 г. Выводы исследования указывают на то, что ключевым направлением развития является адаптация и интеграция существующих систем для формирования единого цифрового контура управления энергосервисными проектами. Технологическая база для цифровизации уже сформирована, однако существующие решения требуют адаптации под комплексные задачи бизнеса.

В статье исследуется дискретное уравнение в натуральных числах вида x = count (d, x) + n, где: n - натуральное число; count (d, x) - количество вхождений цифры d ∈{0, 1, …, 9} в десятичную запись числа x. Цель работы - получить априорные оценки решений уравнения и проанализировать зависимость числа решений от параметров d и n. Основной результат исследования - установлена двусторонняя априорная оценка для решений уравнения: n ≤ x ≤ n + ⌊lgn⌋ + 2. Из нее следует: при фиксированных d и n число натуральных решений ограничено; уравнение разрешимо не для всех значений n. Для цифр d ∈{9, 8, …, 2} и любого натурального n доказано, что число решений не превышает 2. Для d = 1 и любого натурального n показано, что число решений не превышает 3. Для d = 0 конструктивно обосновано, что с ростом n число натуральных решений, каждое из которых может быть представлено в десятичной записи с использованием всего четырех цифр, может неограниченно возрастать. Теоретическая и практическая значимость. Результаты имеют теоретико-математический характер и могут быть применены: при исследовании аналогичных дискретных уравнений в натуральных числах; в анализе математических игр-головоломок, описываемых подобными уравнениями; как дополнение к известным результатам в области диофантовых уравнений.

Применение машинного обучения в решении прямых задач прогнозирования становится альтернативой применению ресурсоемкого конечно-элементного моделирования. Однако применение машинного обучения для решения обратной задачи в литературе практически не рассматривается. Традиционные подходы основаны на итерационных расчетах, которые требуют многократных прогонов моделей и не работают в реальном времени, что ограничивает создание цифровых двойников. Цель исследования - решение обратной задачи путем разработки и верификации модели гауссовской регрессии (GPR) для определения параметров K и m по геометрии готового изделия на основе конечно элементных данных ANSYS. В качестве источника данных использовались результаты конечно-элементного моделирования процесса сверхпластической формовки в CAE-пакете ANSYS. Было выполнено 120 конечно-элементных симуляций, по 40 для каждого из трех режимов давления. Общий объем данных, полученных из решений ANSYS, составил 7571 строку. Были разработаны две GPR-модели. Одна для определения K с ядром Matern, вторая для m с ядром RBF. Масштабирование данных выполнялось методом RobustScaler. Показано, что замена RBF-ядра на ядро Matern (ν = 2,5) снижает медианную относительную неопределенность прогноза для параметра K с 50 до 16%. На тестовой выборке получены следующие метрики качества: R2 = 0,91 для K и R2 = 0,92 для m, относительная среднеквадратичная ошибка составляет 20% для K и 7% для m. Выполненный корреляционный анализ выявил наиболее значимое влияние давления формовки на параметр K (r = -0,32). Разработанная модель может быть использована для неразрушающего контроля качества, встраивания в цифровые двойники и оптимизации режимов сверхпластической формовки.

В статье рассматривается актуальная проблема обезличивания персональных данных в кредитно-финансовых организациях (КФО) в контексте ужесточения регуляторных требований, в частности Приказа Роскомнадзора № 140. Проведен анализ классических и современных методов обезличивания (маскирование, псевдонимизация, генерация синтетических данных и др.) с точки зрения их применимости в банковской среде, где критически важны сохранение формата данных, референциальная целостность и высокая производительность. Дана сравнительная оценка трех современных отечественных решений: DataMask, «Гарда Data Masking» и N1 AI. Выявлены их системные ограничения, включая потенциальное несоответствие новым нормативным актам, недостаточную гибкость для уникальных банковских сущностей и высокую стоимость владения. На основе проведенного анализа обосновывается стратегическая целесообразность разработки специализированного внутрикорпоративного инструмента обезличивания, который гарантирует полное соответствие регулированию, максимальную адаптивность к бизнес-процессам банка и долгосрочную экономическую эффективность. Для кредитно-финансовой организации характерна обработка обширного массива структурированных персональных данных (ПДн), совмещающих признаки общих, иных данных и сведений, составляющих банковскую тайну. Данные сведения, как правило, хранятся в реляционных базах данных в формализованном виде (отдельные поля для номера паспорта, телефона, счета и т. д.), что, с одной стороны, упрощает их автоматизированный поиск, а с другой - требует применения строгих мер защиты, к которым относится и безопасное обезличивание для использования в непроизводственных средах. Это определяет ключевые требования к рассматриваемой системе: необходимость точного обнаружения полей различных категорий финансово-идентифицирующей информации и применение алгоритмов маскировки, обеспечивающих необратимость преобразования при сохранении структурной целостности и формата данных для корректной работы тестовых систем.

Статья посвящена анализу современных тенденций и практик применения искусственного интеллекта (ИИ) в сельском хозяйстве на основе рецензируемых научных источников 2022-2026 гг. Целью работы выступает комплексное исследование проблематики и ключевых трендов развития ИИ в аграрном секторе, а также систематизация количественных данных, подтверждающих эффективность внедряемых технологий. В статье рассматриваются основные направления использования ИИ: прогнозирование урожайности на базе нейросетевых алгоритмов (LSTM, CNN), мониторинг здоровья растений и точное внесение ресурсов с применением компьютерного зрения (ResNet, YOLO), роботизация производственных процессов, а также внедрение интеллектуальных систем в экономику и управление агропромышленным комплексом. На основе анализа эмпирических исследований систематизированы показатели эффективности: точность диагностики заболеваний растений достигает 99,2%, снижение использования пестицидов - до 90%, экономия водных ресурсов - до 46%, рост доходов хозяйств - на 15-20%. Особое внимание уделено сравнительному анализу барьеров внедрения ИИ в различных группах стран. В развитых государствах преобладают проблемы технологической фрагментации и дефицита квалифицированных кадров. Для стран БРИКС характерны инфраструктурные ограничения и разрыв между наукой и производством. В развивающихся странах ключевыми препятствиями выступают отсутствие базовой инфраструктуры, низкая платежеспособность мелких хозяйств и недостаточный уровень цифровой грамотности. В заключительной части определены слабоизученные аспекты, требующие дальнейших исследований: социально-психологические барьеры восприятия технологий, экологический след самих ИИ-решений, вопросы суверенитета и монетизации данных, экономическая эффективность для мелких хозяйств, кибербезопасность и этические дилеммы в селекции.

В статье представлена разработка объединенного алфавита древнетюркских диалектов для решения задач автоматизированного распознавания орхоно-енисейских рунических надписей. Актуальность исследования обусловлена разрозненностью существующих классификаций рун и отсутствием единой системы их сопоставления, что затрудняет формирование совместимых наборов данных и снижает эффективность моделей компьютерного зрения. Цель исследования заключается в создании унифицированного алфавита, обеспечивающего корректную аннотацию изображений и возможность обучения многоалфавитных нейросетевых моделей для распознавания и сравнительного анализа рунических символов. Методология исследования базируется на комплексном анализе визуальных, фонетических и историко-филологических характеристик рун четырех источников: памятника Кюль-Тегину, рукописи Ирк Битиг, орхонских и енисейских надписей. В ходе работы выделены структурно устойчивые символы, стилевые вариации и уникальные маркеры диалектов, на основе чего сформирован консолидированный набор классов рун. Полученные результаты создают основу для стандартизации разметки изображений, повышения устойчивости распознавания и дальнейшего развития многоалфавитных систем компьютерного зрения в исследованиях древнетюркской письменности.