AI_2025

Содержание

СЕКЦИЯ 1. Доверенные фреймворки и библиотеки машинного обучения

1.1. Весельчакова В.С.. ПРОЕКТИРОВАНИЕ ДОВЕРЕННОГО ФРЕЙМВОРКА ДЛЯ ОБУЧЕНИЯ НЕЙРОСЕТЕЙ В КРИТИЧЕСКИХ СИСТЕМАХ
1.2. Титова А.П.. РАЗРАБОТКА БИБЛИОТЕКИ МАШИННОГО ОБУЧЕНИЯ С ВЕРИФИЦИРОВАННЫМИ КОМПОНЕНТАМИ
1.3. Канарейко С.С.. ПОДХОДЫ К ОБЕСПЕЧЕНИЮ ПРОЗРАЧНОСТИ ФРЕЙМВОРКОВ МАШИННОГО ОБУЧЕНИЯ
1.4. Мельников Е.Н.. ФОРМАЛЬНЫЕ МЕТОДЫ ПРОВЕРКИ КОРРЕКТНОСТИ БИБЛИОТЕК МАШИННОГО ОБУЧЕНИЯ
1.5. Киселёва С.А.. РЕАЛИЗАЦИЯ МЕХАНИЗМОВ ЗАЩИТЫ ДАННЫХ В ДОВЕРЕННЫХ ML-БИБЛИОТЕКАХ
1.6. Чернов В.С.. ПОДДЕРЖКА ИНТЕРПРЕТИРУЕМОСТИ В ДОВЕРЕННЫХ ФРЕЙМВОРКАХ МАШИННОГО ОБУЧЕНИЯ
1.7. Журавлева Е.С.. РАЗРАБОТКА ФРЕЙМВОРКА ДЛЯ БЕЗОПАСНОЙ ИНТЕГРАЦИИ МОДЕЛЕЙ В ПРОИЗВОДСТВЕННЫЕ СРЕДЫ
1.8. Королёв М.А.. СРАВНИТЕЛЬНЫЙ АНАЛИЗ ДОВЕРЕННЫХ ФРЕЙМВОРКОВ ДЛЯ АНАЛИЗА ЧУВСТВИТЕЛЬНЫХ ДАННЫХ
1.9. Белова К.И.. ПРИМЕНЕНИЕ ЯЗЫКОВ СПЕЦИФИКАЦИЙ ДЛЯ ОПИСАНИЯ ДОВЕРЕННЫХ БИБЛИОТЕК
1.10. Фролов А.Г.. РАЗРАБОТКА МОДУЛЬНЫХ БИБЛИОТЕК С КОНТРОЛЕМ БЕЗОПАСНОСТИ И ВОСПРОИЗВОДИМОСТИ
1.11. Романов А.В.. МЕХАНИЗМЫ АУДИТА И ОТСЛЕЖИВАНИЯ В ДОВЕРЕННЫХ ML-ФРЕЙМВОРКАХ
1.12. Смирнов Д.А.. ИНСТРУМЕНТЫ ОБЕСПЕЧЕНИЯ ЛИЦЕНЗИРУЕМОСТИ И НОРМАТИВНОЙ СОВМЕСТИМОСТИ В ML-БИБЛИОТЕКАХ
1.13. Громова А.П.. ИНТЕГРАЦИЯ ДОВЕРЕННЫХ ФРЕЙМВОРКОВ В КОРПОРАТИВНУЮ ИТ-ИНФРАСТРУКТУРУ
1.14. Литвинова Ю.Е.. РОЛЬ ОТКРЫТОГО КОДА В ФОРМИРОВАНИИ ДОВЕРИЯ К БИБЛИОТЕКАМ МАШИННОГО ОБУЧЕНИЯ
1.15. Зайцев С.В.. СОЗДАНИЕ ЭКОСИСТЕМЫ ДОВЕРЕННЫХ КОМПОНЕНТОВ ДЛЯ УСТОЙЧИВОГО МАШИННОГО ОБУЧЕНИЯ
1.16. Куликова О.А.. СТАНДАРТИЗАЦИЯ ТРЕБОВАНИЙ К ФРЕЙМВОРКАМ И БИБЛИОТЕКАМ ДОВЕРЕННОГО ОБУЧЕНИЯ
1.17. Соколов И.В.. ИНТЕГРАЦИЯ МЕХАНИЗМОВ ДОВЕРИЯ В СУЩЕСТВУЮЩИЕ ML-ФРЕЙМВОРКИ
1.18. Кузнецов А.М.. АРХИТЕКТУРА ДОВЕРЕННЫХ ФРЕЙМВОРКОВ ДЛЯ РАСПРЕДЕЛЁННОГО ОБУЧЕНИЯ
1.19. Власова И.С.. ВНЕДРЕНИЕ ДОВЕРЕННЫХ ВЫЧИСЛЕНИЙ В БИБЛИОТЕКИ ГЛУБОКОГО ОБУЧЕНИЯ
1.20. Третьякова М.Д.. ИСПОЛЬЗОВАНИЕ КОНТЕЙНЕРИЗАЦИИ ДЛЯ ПОВЫШЕНИЯ ДОВЕРИЯ К ML-ИНСТРУМЕНТАМ
1.21. Петухова Я.Н.. ПРОБЛЕМЫ ЦИФРОВИЗАЦИИ АВИАЦИОННОЙ ОТРАСЛИ ПРИ РАЗРАБОТКЕ ВИРТУАЛЬНОГО ВТОРОГО ПИЛОТА С ИСПОЛЬЗОВАНИЕМ ДОВЕРЕННЫХ ФРЕЙМВОРКОВ И БИБЛИОТЕК МАШИННОГО ОБУЧЕНИЯ
1.22. Шиянов К.Е.. СИНТАКСИКО-СЕМАНТИЧЕСКИЙ АНАЛИЗ ДОВЕРЕННЫХ БИБЛИОТЕК С ИСПОЛЬЗОВАНИЕМ ЛОГИКИ ХОАРА И ТЕОРИИ ТИПОВ

СЕКЦИЯ 2. Модели и инструменты для проверки наличия аномалий в наборах данных

2.1. Гришкевич М.М.. СОВРЕМЕННЫЕ ТЕХНОЛОГИИ ДЕТЕКТИРОВАНИЯ АНОМАЛИЙ В БОЛЬШИХ ДАННЫХ
2.2. Пидгурская Е.С.. ПРИМЕНЕНИЕ САМООБУЧАЮЩИХСЯ МОДЕЛЕЙ ДЛЯ АВТОМАТИЧЕСКОГО ВЫЯВЛЕНИЯ АНОМАЛИЙ В ПОТОКАХ IOT-УСТРОЙСТВ
2.3. Сидоров К.Т.. АДАПТИВНЫЕ СИСТЕМЫ ДЛЯ МОНИТОРИНГА АНОМАЛИЙ В РЕАЛЬНОМ ВРЕМЕНИ
2.4. Назаров П.Б.. АНАЛИЗ РОБАСТНОСТИ МЕТОДОВ ОБНАРУЖЕНИЯ АНОМАЛИЙ В АВТОМАТИЗИРОВАННЫХ СИСТЕМАХ УПРАВЛЕНИЯ
2.5. Орлова Е.Р.. ГИБРИДНЫЕ МЕТОДЫ МАШИННОГО ОБУЧЕНИЯ ДЛЯ ВЫЯВЛЕНИЯ АНОМАЛИЙ В ТРАФИКЕ СЕТЕВЫХ ДАННЫХ
2.6. Васильева М.Н.. ИННОВАЦИОННЫЕ ПОДХОДЫ К ОБНАРУЖЕНИЮ АНОМАЛИЙ В ДАННЫХ ПОТРЕБЛЕНИЯ ЭЛЕКТРОЭНЕРГИИ
2.7. Ковальчук Д.К.. ИНТЕГРАЦИЯ ГЛУБОКОГО ОБУЧЕНИЯ В СИСТЕМЫ ОБНАРУЖЕНИЯ АНОМАЛИЙ ДЛЯ МУЛЬТИМЕДИЙНЫХ ДАННЫХ
2.8. Захарова Т.В.. ИСПОЛЬЗОВАНИЕ БАЙЕСОВСКИХ СЕТЕЙ ДЛЯ ВЫЯВЛЕНИЯ АНОМАЛИЙ В ДАННЫХ
2.9. Панина А.Ю.. ИСПОЛЬЗОВАНИЕ ЛОГИЧЕСКОГО ИНТЕЛЛЕКТУАЛЬНОГО ПРОГРАММИРОВАНИЯ ДЛЯ ОБНАРУЖЕНИЯ АНОМАЛИЙ В БАНКОВСКИХ ОПЕРАЦИЯХ
2.10. Белов М.Д.. ИСПОЛЬЗОВАНИЕ МУЛЬТИФАКТОРНОГО АНАЛИЗА ДЛЯ ОБНАРУЖЕНИЯ АНОМАЛИЙ В ПОВЕДЕНЧЕСКИХ ДАННЫХ ПОЛЬЗОВАТЕЛЕЙ
2.11. Яшин М.О.. КОМПЛЕКСНЫЙ ПОДХОД К ОБНАРУЖЕНИЮ АНОМАЛИЙ В МЕДИЦИНСКИХ ДАННЫХ С ИСПОЛЬЗОВАНИЕМ МАШИННОГО ОБУЧЕНИЯ
2.12. Серпов М.А.. ОБЗОР ИНСТРУМЕНТОВ ДЛЯ ОБНАРУЖЕНИЯ АНОМАЛИЙ ОТ КЛАССИЧЕСКИХ СТАТИСТИЧЕСКИХ МЕТОДОВ ДО ГЛУБОКОГО ОБУЧЕНИЯ
2.13. Соловьёва Н.А.. ОБНАРУЖЕНИЕ АНОМАЛИЙ В ДАННЫХ О КЛИМАТЕ С ПОМОЩЬЮ МЕТОДОВ МАШИННОГО ЗРЕНИЯ
2.14. Игнатьева А.В.. ОПТИМИЗАЦИЯ ПАРАМЕТРОВ В МОДЕЛЯХ ДЛЯ ОБНАРУЖЕНИЯ АНОМАЛИЙ С ИСПОЛЬЗОВАНИЕМ ГЕНЕТИЧЕСКИХ АЛГОРИТМОВ
2.15. Антонов А.С.. ПРИМЕНЕНИЕ АВТОЭНКОДЕРОВ ДЛЯ ВЫЯВЛЕНИЯ АНОМАЛИЙ ВО ВРЕМЕННЫХ РЯДАХ
2.16. Фролов А.Г.. ПРИМЕНЕНИЕ КЛАСТЕРИЗАЦИИ И КЛАССИФИКАЦИИ ДЛЯ ОБНАРУЖЕНИЯ СТРУКТУРНЫХ АНОМАЛИЙ В ГЕОПРОСТРАНСТВЕННЫХ ДАННЫХ
2.17. Белова К.И.. ПРИМЕНЕНИЕ МЕТОДОВ ОБНАРУЖЕНИЯ АНОМАЛИЙ В АГРОТЕХНИЧЕСКИХ ДАННЫХ ДЛЯ ПРЕДСКАЗАНИЯ УРОЖАЙНОСТИ
2.18. Щукин Г.Р.. ПРИМЕНЕНИЕ МОДЕЛИ СЛУЧАЙНОГО ЛЕСА ДЛЯ ДЕТЕКЦИИ ВЫБРОСОВ В БОЛЬШИХ ДАННЫХ
2.19. Муравьев Г.Г.. ПРИМЕНЕНИЕ НЕЙРОСЕТЕВЫХ АРХИТЕКТУР GAN ДЛЯ ОБНАРУЖЕНИЯ АНОМАЛИЙ В МЕДИЦИНСКИХ ИЗОБРАЖЕНИЯХ
2.20. Захаров А.С.. РАЗРАБОТКА РЕШЕНИЯ НА ОСНОВЕ МАШИННОГО ОБУЧЕНИЯ ДЛЯ ВЫЯВЛЕНИЯ АНОМАЛИЙ В IOT УСТРОЙСТВАХ
2.21. Петров Р.А.. РОЛЬ ГЛУБОКОГО ОБУЧЕНИЯ В ВЫЯВЛЕНИИ ФРОДОВЫХ АНОМАЛЬНЫХ ДЕЙСТВИЙ В ЭЛЕКТРОННОЙ КОММЕРЦИИ
2.22. Алексеева Д.К.. СОВРЕМЕННЫЕ ПОДХОДЫ К АНАЛИЗУ АНОМАЛИЙ В СТРУКТУРИРОВАННЫХ И НЕСТРУКТУРИРОВАННЫХ ДАННЫХ
2.23. Федорова В.Л.. СРАВНЕНИЕ ПОДХОДОВ МАШИННОГО ОБУЧЕНИЯ И ГЛУБОКОГО ОБУЧЕНИЯ В ОБНАРУЖЕНИИ АНОМАЛИЙ В ТЕЛЕКОММУНИКАЦИОННЫХ ДАННЫХ
2.24. Рубцов К.Д.. СОВРЕМЕННЫЕ ТЕХНОЛОГИИ АВТОМАТИЗИРОВАННОГО СБОРА ДАННЫХ В ЭЛЕКТРОЭНЕРГЕТИКЕ: ОТ SCADA ДО EDGE-АНАЛИТИКИ
2.25. Маргоретов В.И.. ОЦЕНКА ВЛИЯНИЯ КАЧЕСТВА ДАННЫХ НА ЭФФЕКТИВНОСТЬ МОДЕЛЕЙ ОБНАРУЖЕНИЯ АНОМАЛИЙ

СЕКЦИЯ 3. Инструменты для оценки устойчивости обученных моделей к атакам

3.1. Петров И.А.. АВТОМАТИЗАЦИЯ ПРОВЕРКИ УСТОЙЧИВОСТИ МОДЕЛЕЙ К ИЗМЕНЕНИЮ ВХОДНЫХ ДАННЫХ
3.2. Пшигусов И.А.. АНАЛИЗ МЕТОДОВ УСИЛЕНИЯ УСТОЙЧИВОСТИ МОДЕЛЕЙ ЧЕРЕЗ АДАПТИВНОЕ ТЕСТИРОВАНИЕ
3.3. Самаковский А.А.. АНАЛИЗ УСТОЙЧИВОСТИ МОДЕЛЕЙ КОМПЬЮТЕРНОГО ЗРЕНИЯ С ПОМОЩЬЮ МОДУЛЬНЫХ ТЕСТОВ
3.4. Мазаев Г.П.. ОЦЕНКА УСТОЙЧИВОСТИ НЕЙРОСЕТЕЙ С ИСПОЛЬЗОВАНИЕМ СИНТЕТИЧЕСКИХ АТАК
3.5. Сорокин Н.А.. РАЗРАБОТКА ИНСТРУМЕНТАРИЯ ДЛЯ ТЕСТИРОВАНИЯ МОДЕЛЕЙ В УСЛОВИЯХ РАСПРЕДЕЛЁННЫХ АТАК
3.6. Калинюк А.О.. МЕТОДЫ ПРОВЕРКИ УСТОЙЧИВОСТИ МОДЕЛЕЙ МАШИННОГО ОБУЧЕНИЯ К ЦЕЛЕВЫМ ВОЗДЕЙСТВИЯМ
3.7. Наумов А.А.. СРАВНИТЕЛЬНЫЙ АНАЛИЗ ИНСТРУМЕНТОВ ОЦЕНКИ УСТОЙЧИВОСТИ ОБУЧЕННЫХ МОДЕЛЕЙ
3.8. Бессарабов А.А.. ИНСТРУМЕНТЫ ДЛЯ ИЗМЕРЕНИЯ УСТОЙЧИВОСТИ ЯЗЫКОВЫХ МОДЕЛЕЙ К АТАКУЮЩИМ ШУМАМ
3.9. Лейман А.Ф.. ПРИМЕНЕНИЕ ГЕНЕРАТИВНЫХ АТАК ДЛЯ ТЕСТИРОВАНИЯ УСТОЙЧИВОСТИ КЛАССИФИКАТОРОВ
3.10. Артамонов Н.М.. ИНСТРУМЕНТАЛЬНОЕ ОБЕСПЕЧЕНИЕ ОЦЕНКИ УСТОЙЧИВОСТИ ТРАНСФОРМЕРОВ К АТАКАМ
3.11. Икрянников Н.А.. ИСПОЛЬЗОВАНИЕ МНОГОМОДАЛЬНЫХ АТАК ДЛЯ ОЦЕНКИ УСТОЙЧИВОСТИ ГЛУБОКИХ МОДЕЛЕЙ
3.12. Исмазов Д.Р.. МЕТОДИКА ОЦЕНКИ УСТОЙЧИВОСТИ ОБУЧЕННЫХ МОДЕЛЕЙ В РЕАЛЬНЫХ СЦЕНАРИЯХ
3.13. Шейхов Г.В.. ТЕСТИРОВАНИЕ УСТОЙЧИВОСТИ МОДЕЛЕЙ НА ОСНОВЕ ИМИТАЦИИ РАСПРЕДЕЛЁННОГО ШУМА
3.14. Панчак В.П.. ПОСТРОЕНИЕ УНИВЕРСАЛЬНОГО ФРЕЙМВОРКА ДЛЯ ОЦЕНКИ УСТОЙЧИВОСТИ К АТАКАМ
3.15. Черепанов Д.А.. МОДЕЛИ УСТОЙЧИВОСТИ К АТАКАМ В УСЛОВИЯХ ОГРАНИЧЕННОГО ДОСТУПА К ДАННЫМ
3.16. Логвенков М.С.. ОЦЕНКА УСТОЙЧИВОСТИ МОДЕЛЕЙ К СЛУЧАЙНЫМ И НАПРАВЛЕННЫМ ИСКАЖЕНИЯМ
3.17. Григоренко А.Г.. ИНСТРУМЕНТЫ КОНТРОЛЯ КАЧЕСТВА УСТОЙЧИВОСТИ МОДЕЛЕЙ В ПРИКЛАДНЫХ ЗАДАЧАХ
3.18. Соболевский И.А.. ПРАКТИЧЕСКАЯ РЕАЛИЗАЦИЯ СИСТЕМЫ ТЕСТИРОВАНИЯ УСТОЙЧИВОСТИ ОБУЧЕННЫХ МОДЕЛЕЙ
3.19. Мелихов И.А.. ФОРМАЛИЗАЦИЯ КРИТЕРИЕВ ОЦЕНКИ УСТОЙЧИВОСТИ ОБУЧЕННЫХ МОДЕЛЕЙ К ВНЕШНИМ ВОЗДЕЙСТВИЯМ
3.20. Медведев О.А.. РАЗРАБОТКА И ВАЛИДАЦИЯ ИНСТРУМЕНТОВ ДЛЯ СТРЕСС-ТЕСТИРОВАНИЯ МОДЕЛЕЙ МАШИННОГО ОБУЧЕНИЯ

СЕКЦИЯ 4. Инструменты для повышения доверия к предобученным моделям

4.1. Кузьмин В.А.. АНАЛИЗ УЯЗВИМОСТЕЙ ПРЕДОБУЧЕННЫХ МОДЕЛЕЙ И ИНСТРУМЕНТЫ ДЛЯ ИХ НЕЙТРАЛИЗАЦИИ
4.2. Бурняшев А.А.. АУДИТ ПРЕДОБУЧЕННЫХ МОДЕЛЕЙ С ПРИМЕНЕНИЕМ НЕЗАВИСИМЫХ ЭКСПЕРТНЫХ СИСТЕМ
4.3. Голошумов И.Е.. ИНСТРУМЕНТЫ АНАЛИЗА ПРЕДВЗЯТОСТИ И СПРАВЕДЛИВОСТИ В ПРЕДОБУЧЕННЫХ МОДЕЛЯХ
4.4. Моисеенков Д.М.. ДИАГНОСТИКА И УСТРАНЕНИЕ ОШИБОК В ПРЕДОБУЧЕННЫХ МОДЕЛЯХ С ПОМОЩЬЮ ИНТЕРПРЕТИРУЕМЫХ ТЕСТОВ
4.5. Чиков А.И.. ИНСТРУМЕНТЫ АУДИТА ПРЕДОБУЧЕННЫХ МОДЕЛЕЙ В УСЛОВИЯХ ОГРАНИЧЕННОГО ДОСТУПА К ДАННЫМ
4.6. Прошин Д.А.. ИНСТРУМЕНТЫ ВЕРИФИКАЦИИ И СЕРТИФИКАЦИИ ПОВЕДЕНИЯ ПРЕДОБУЧЕННЫХ МОДЕЛЕЙ
4.7. Кустов А.С.. ИНСТРУМЕНТЫ КОНТРОЛЯ СДВИГА ДАННЫХ ДЛЯ ПРЕДОБУЧЕННЫХ МОДЕЛЕЙ В РЕАЛЬНЫХ УСЛОВИЯХ
4.8. Жигальцов Д.А.. ИСПОЛЬЗОВАНИЕ ГЕНЕРАТИВНЫХ ТЕСТОВ ДЛЯ ПРОВЕРКИ УСТОЙЧИВОСТИ ПРЕДОБУЧЕННЫХ МОДЕЛЕЙ
4.9. Роговой Н.А.. ИСПОЛЬЗОВАНИЕ КОНТЕКСТНОЙ ВАЛИДАЦИИ ДЛЯ ПРОВЕРКИ КАЧЕСТВА ПРЕДОБУЧЕННЫХ МОДЕЛЕЙ
4.10. Абдрашитов М.С.. СОЗДАНИЕ ИНСТРУМЕНТОВ ВИЗУАЛИЗАЦИИ ПРИНЯТИЯ РЕШЕНИЙ ПРЕДОБУЧЕННЫМИ МОДЕЛЯМИ
4.11. Сырбул В.А.. ОЦЕНКА ПЕРЕНОСИМОСТИ ПРЕДОБУЧЕННЫХ МОДЕЛЕЙ С ТОЧКИ ЗРЕНИЯ ДОВЕРИЯ
4.12. Князева О.С.. МЕТОДЫ ОБЪЯСНЕНИЯ РЕШЕНИЙ ПРЕДОБУЧЕННЫХ МОДЕЛЕЙ ДЛЯ ПОВЫШЕНИЯ ДОВЕРИЯ ПОЛЬЗОВАТЕЛЕЙ
4.13. Плотников И.М.. РАЗРАБОТКА ИНСТРУМЕНТОВ ОЦЕНКИ НАДЕЖНОСТИ ПРЕДОБУЧЕННЫХ МОДЕЛЕЙ В ПРИКЛАДНЫХ ЗАДАЧАХ
4.14. Тюльпанов А.И.. ПОДХОДЫ К ИНТЕРПРЕТАЦИИ ЛАТЕНТНЫХ ПРЕДСТАВЛЕНИЙ В ПРЕДОБУЧЕННЫХ МОДЕЛЯХ
4.15. Путилин Ю.Е.. РАЗРАБОТКА МЕТРИК ДОВЕРИЯ К ПРЕДОБУЧЕННЫМ ЯЗЫКОВЫМ И ВИЗУАЛЬНЫМ МОДЕЛЯМ
4.16. Нефедов В.В.. ПОВЫШЕНИЕ ДОВЕРИЯ К ПРЕДОБУЧЕННЫМ МОДЕЛЯМ ЧЕРЕЗ АДАПТИВНУЮ НАСТРОЙКУ
4.17. Горошко П.Н.. ОБЕСПЕЧЕНИЕ ВОСПРОИЗВОДИМОСТИ ВЫВОДОВ ПРЕДОБУЧЕННЫХ МОДЕЛЕЙ С ПОМОЩЬЮ ДОВЕРЕННЫХ СРЕД
4.18. Гегельский М.А.. РАЗРАБОТКА ИНСТРУМЕНТОВ ДЛЯ ОТСЛЕЖИВАНИЯ ПРОИСХОЖДЕНИЯ И ВЕРСИЙ ПРЕДОБУЧЕННЫХ МОДЕЛЕЙ
4.19. Воробьев Д.С.. ПОВЫШЕНИЕ ДОВЕРИЯ ЧЕРЕЗ КОНТРОЛЬ ИНТЕРПРЕТИРУЕМОСТИ НА РАЗНЫХ ЭТАПАХ ИСПОЛЬЗОВАНИЯ МОДЕЛИ
4.20. Андреев С.А.. ИСПОЛЬЗОВАНИЕ МЕТАОБУЧЕНИЯ ДЛЯ ВАЛИДАЦИИ ПОВЕДЕНИЯ ПРЕДОБУЧЕННЫХ МОДЕЛЕЙ

СЕКЦИЯ 5. Инструменты и методы для интерпретации результатов моделей машинного обучения

5.1. Буров Т.В.. РАЗРАБОТКА ИНСТРУМЕНТОВ ЛОКАЛЬНОЙ ИНТЕРПРЕТАЦИИ РЕШЕНИЙ НЕЙРОННЫХ СЕТЕЙ
5.2. Воробьёва А.И.. МЕТОДЫ ВИЗУАЛИЗАЦИИ ВАЖНОСТИ ПРИЗНАКОВ ДЛЯ ПОВЫШЕНИЯ ПРОЗРАЧНОСТИ МОДЕЛЕЙ
5.3. Дубровина Н.П.. ИСПОЛЬЗОВАНИЕ КОНТРФАКТИЧЕСКИХ ОБЪЯСНЕНИЙ В ИНТЕРПРЕТАЦИИ МОДЕЛЕЙ
5.4. Некрасова В.С.. СРАВНИТЕЛЬНЫЙ АНАЛИЗ ПОДХОДОВ К ИНТЕРПРЕТАЦИИ РЕШЕНИЙ СЛОЖНЫХ МОДЕЛЕЙ
5.5. Егорова Л.Р.. ПРИМЕНЕНИЕ КОНЦЕПТУАЛЬНОГО РАЗЛОЖЕНИЯ ДЛЯ ИНТЕРПРЕТАЦИИ ЛАТЕНТНЫХ ПРЕДСТАВЛЕНИЙ
5.6. Шаповалова К.В.. ИНСТРУМЕНТЫ ПОСТХОК-ИНТЕРПРЕТАЦИИ РЕЗУЛЬТАТОВ МОДЕЛЕЙ ГЛУБОКОГО ОБУЧЕНИЯ
5.7. Агафонов В.А.. ИНТЕРПРЕТАЦИЯ МОДЕЛЕЙ МАШИННОГО ОБУЧЕНИЯ С ПОМОЩЬЮ ДЕРЕВЬЕВ РЕШЕНИЙ И ПРАВИЛ
5.8. Мещеряков О.Г.. МЕТОДЫ ОБЪЯСНЕНИЯ ПРЕДСКАЗАНИЙ МОДЕЛЕЙ В ЗАДАЧАХ С ВЫСОКОЙ РАЗМЕРНОСТЬЮ
5.9. Ермаков С.Ю.. ИСПОЛЬЗОВАНИЕ МЕТОДОВ ШЕПЛИ ДЛЯ КОЛИЧЕСТВЕННОЙ ОЦЕНКИ ВКЛАДА ПРИЗНАКОВ
5.10. Шевченко П.И.. ИНСТРУМЕНТЫ ОЦЕНКИ ДОВЕРИЯ К ИНТЕРПРЕТАЦИЯМ ПРЕДСКАЗАНИЙ МОДЕЛЕЙ
5.11. Самаков А.П.. ИНТЕРПРЕТАЦИЯ РЕЗУЛЬТАТОВ МОДЕЛЕЙ В ЗАДАЧАХ КЛАССИФИКАЦИИ РЕДКИХ СОБЫТИЙ
5.12. Репьева Д.Н.. ОБЪЯСНЕНИЕ ПОВЕДЕНИЯ АНСАМБЛЕВЫХ МОДЕЛЕЙ С ПОМОЩЬЮ АГРЕГИРОВАННЫХ МЕТРИК
5.13. Репьев И.В.. ПРИМЕНЕНИЕ ВИЗУАЛЬНЫХ СРЕДСТВ ДЛЯ ИНТЕРПРЕТАЦИИ СВЕРТОЧНЫХ НЕЙРОННЫХ СЕТЕЙ
5.14. Омонов Ю.А.. ИНСТРУМЕНТЫ ОЦЕНКИ СТАБИЛЬНОСТИ ИНТЕРПРЕТАЦИЙ ПРИ ИЗМЕНЕНИИ ВХОДНЫХ ДАННЫХ
5.15. Тюльпанов А.Д.. ИНТЕРПРЕТАЦИЯ ВРЕМЕННЫХ ЗАВИСИМОСТЕЙ В МОДЕЛЯХ АНАЛИЗА ПОСЛЕДОВАТЕЛЬНОСТЕЙ
5.16. Соболевский И.П.. ИСПОЛЬЗОВАНИЕ УПРОЩЕННЫХ МОДЕЛЕЙ ДЛЯ ЛОКАЛЬНОЙ ИНТЕРПРЕТАЦИИ СЛОЖНЫХ АРХИТЕКТУР
5.17. Моисеен Д.И.. МЕТОДЫ СОВМЕСТНОЙ ИНТЕРПРЕТАЦИИ МОДЕЛИ И ДАННЫХ В ИНТЕРАКТИВНОЙ СРЕДЕ
5.18. Кузьмина В.Р.. РАЗРАБОТКА УНИВЕРСАЛЬНОГО ИНТЕРФЕЙСА ДЛЯ ИНТЕРПРЕТАЦИИ МОДЕЛЕЙ НА ПРАКТИКЕ
5.19. Поехалов К.В.. ИНСТРУМЕНТЫ ИНТЕРПРЕТАЦИИ В ЗАДАЧАХ С ПЕРЕКРЫВАЮЩИМИСЯ И КОРРЕЛИРОВАННЫМИ ПРИЗНАКАМИ
5.20. Гришин Д.С.. ИНТЕГРАЦИЯ ИНТЕРПРЕТИРУЕМОСТИ В ПРОЦЕСС ОБУЧЕНИЯ МОДЕЛЕЙ МАШИННОГО ОБУЧЕНИЯ

СЕКЦИЯ 6. Методы и алгоритмы для выявления предвзятости моделей машинного обучения

6.1. Шмидт Г.. РАЗРАБОТКА АЛГОРИТМОВ ВЫЯВЛЕНИЯ СКРЫТОЙ ПРЕДВЗЯТОСТИ В ОБУЧЕННЫХ МОДЕЛЯХ
6.2. Парк Э.. МЕТОДЫ ОБНАРУЖЕНИЯ ДИСКРИМИНАЦИИ ПО ЧУВСТВИТЕЛЬНЫМ ПРИЗНАКАМ В МАШИННОМ ОБУЧЕНИИ
6.3. Окафор Г.. ОЦЕНКА ПРЕДВЗЯТОСТИ МОДЕЛЕЙ С ИСПОЛЬЗОВАНИЕМ FAIRNESS-МЕТРИК И ИНДИКАТОРОВ
6.4. Голденштейн С.. ВЫЯВЛЕНИЕ СТРУКТУРНОЙ ПРЕДВЗЯТОСТИ В МОДЕЛЯХ ОБРАБОТКИ ЕСТЕСТВЕННОГО ЯЗЫКА
6.5. Задбоев В.А.. ИСПОЛЬЗОВАНИЕ ТЕСТОВ СПРАВЕДЛИВОСТИ ДЛЯ АНАЛИЗА ПОВЕДЕНИЯ КЛАССИФИКАТОРОВ
6.6. Сычужников В.Б.. МЕТОДЫ СРАВНЕНИЯ ПРЕДСКАЗАНИЙ МОДЕЛЕЙ ДЛЯ ГРУПП С РАЗЛИЧНЫМИ ХАРАКТЕРИСТИКАМИ
6.7. Билан В.В.. ВЫЯВЛЕНИЕ ПРЕДВЗЯТОСТИ В МОДЕЛЯХ НА ОСНОВЕ АНАЛИЗА ОСТАТОЧНОЙ ОШИБКИ
6.8. Ахмед Х.М.. АЛГОРИТМИЧЕСКИЙ АУДИТ МОДЕЛЕЙ МАШИННОГО ОБУЧЕНИЯ НА ПРЕДМЕТ СОЦИАЛЬНОЙ СПРАВЕДЛИВОСТИ
6.9. Уахид С.К.. ПРИМЕНЕНИЕ КОНТРФАКТИЧЕСКОГО АНАЛИЗА ДЛЯ ДИАГНОСТИКИ ПРЕДВЗЯТОСТИ МОДЕЛЕЙ
6.10. Угву Ч.К.. МЕТОДЫ ОБНАРУЖЕНИЯ ПЕРЕКОСОВ В РАСПРЕДЕЛЕНИИ ОШИБОК МЕЖДУ ГРУППАМИ ПОЛЬЗОВАТЕЛЕЙ
6.11. Щербакова Э.Д.. РАЗРАБОТКА ИНСТРУМЕНТОВ АВТОМАТИЗИРОВАННОГО АНАЛИЗА СПРАВЕДЛИВОСТИ МОДЕЛЕЙ
6.12. Носов А.Т.. СТАТИСТИЧЕСКИЕ ПОДХОДЫ К ВЫЯВЛЕНИЮ И ИЗМЕРЕНИЮ ГРУППОВОЙ ПРЕДВЗЯТОСТИ
6.13. Коваленко М.Г.. ИСПОЛЬЗОВАНИЕ СИМУЛЯЦИЙ ДЛЯ ВЫЯВЛЕНИЯ ЧУВСТВИТЕЛЬНОСТИ МОДЕЛЕЙ К ПРИЗНАКАМ РИСКА
6.14. Гаврилов И.А.. МЕТОДЫ ОЦЕНКИ ИНДИВИДУАЛЬНОЙ СПРАВЕДЛИВОСТИ В ПРЕДСКАЗАНИЯХ МОДЕЛЕЙ
6.15. Нуреддин Б.А.. АНАЛИЗ КОРРЕЛЯЦИЙ МЕЖДУ ВЫХОДАМИ МОДЕЛЕЙ И ЧУВСТВИТЕЛЬНЫМИ АТРИБУТАМИ
6.16. Айсбер Б.Х.. ВЫЯВЛЕНИЕ ЭТНИЧЕСКОЙ И ГЕНДЕРНОЙ ПРЕДВЗЯТОСТИ В МЕДИЦИНСКИХ ML-СИСТЕМАХ
6.17. Мохамед А.А.. ПОСТРОЕНИЕ ТЕСТОВ НА ПРЕДВЗЯТОСТЬ В УСЛОВИЯХ НЕПОЛНЫХ ИЛИ ЗАШУМЛЁННЫХ ДАННЫХ
6.18. Акулова Е.О.. ПРИМЕНЕНИЕ МЕТОДОВ КЛАСТЕРИЗАЦИИ ДЛЯ ВЫЯВЛЕНИЯ НЕОДНОРОДНОЙ ПРОИЗВОДИТЕЛЬНОСТИ МОДЕЛЕЙ
6.19. Герман К.О.. АЛГОРИТМЫ ПОИСКА ЛОКАЛЬНЫХ ОБЛАСТЕЙ НЕСПРАВЕДЛИВОСТИ В ВЫСОКОРАЗМЕРНЫХ ПРОСТРАНСТВАХ
6.20. Лобода Л.Д.. МЕТОДЫ ДИАГНОСТИКИ И ВИЗУАЛИЗАЦИИ ИСТОЧНИКОВ ПРЕДВЗЯТОСТИ В СЛОЖНЫХ МОДЕЛЯХ

СЕКЦИЯ 7. Оценка уязвимостей и рисков нарушения конфиденциальности в моделях доверенного искусственного интеллекта

7.1. Кобелев М.В.. МЕТОДЫ ОЦЕНКИ РИСКА УТЕЧКИ ДАННЫХ В ПРЕДОБУЧЕННЫХ МОДЕЛЯХ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА
7.2. Бъянчи А.. АНАЛИЗ УЯЗВИМОСТЕЙ МОДЕЛЕЙ ИИ К АТАКАМ С ВОССТАНОВЛЕНИЕМ ОБУЧАЮЩЕЙ ВЫБОРКИ
7.3. Эспосито Ф.. ОЦЕНКА КОНФИДЕНЦИАЛЬНОСТИ МОДЕЛЕЙ С ИСПОЛЬЗОВАНИЕМ АТАК НА ИЗВЛЕЧЕНИЕ ДАННЫХ
7.4. Маттео Р.. МЕТОДЫ АНАЛИЗА УСТОЙЧИВОСТИ К ИНВЕРСИИ ВХОДОВ И ВЫХОДОВ В ИИ-СИСТЕМАХ
7.5. Романо Д.. ВЫЯВЛЕНИЕ РИСКОВ РАСКРЫТИЯ ЛИЧНОЙ ИНФОРМАЦИИ ПРИ ИСПОЛЬЗОВАНИИ ГЕНЕРАТИВНЫХ МОДЕЛЕЙ
7.6. Морэтти Л.. ИСПОЛЬЗОВАНИЕ АТАК MEMBERSHIP INFERENCE ДЛЯ ОЦЕНКИ ПРИВАТНОСТИ МОДЕЛЕЙ
7.7. Богданов Д.Г.. ОЦЕНКА СТЕПЕНИ ЭКСПОНИРОВАНИЯ ЧУВСТВИТЕЛЬНЫХ ПРИЗНАКОВ В ПРОЦЕССЕ ИНФЕРЕНСА
7.8. Николаева П.А.. ИНСТРУМЕНТЫ ТЕСТИРОВАНИЯ МОДЕЛЕЙ ИИ НА ПРЕДМЕТ НАРУШЕНИЙ КОНФИДЕНЦИАЛЬНОСТИ
7.9. Ситдиков Д.С.. СРАВНЕНИЕ МЕТОДОВ ДИФФЕРЕНЦИАЛЬНОЙ ПРИВАТНОСТИ В ЗАДАЧАХ ДОВЕРЕННОГО ОБУЧЕНИЯ
7.10. Изотов Д.Ю.. АНАЛИЗ РИСКОВ НЕСАНКЦИОНИРОВАННОГО ДОСТУПА К ЗНАНИЯМ МОДЕЛИ ЧЕРЕЗ API
7.11. Лукашенок В.И.. МЕТОДЫ ОЦЕНКИ УЯЗВИМОСТЕЙ МОДЕЛЕЙ ИИ К АТАКУЮЩИМ СТРАТЕГИЯМ ПО АНАЛОГИИ
7.12. Гладких Д.С.. ПРИМЕНЕНИЕ ТЕХНИК АНОНИМИЗАЦИИ ДЛЯ СНИЖЕНИЯ РИСКА УТЕЧЕК В ОБУЧЕННЫХ МОДЕЛЯХ
7.13. Шевяков В.Г.. ОЦЕНКА ВОЗДЕЙСТВИЯ РЕПРЕЗЕНТАТИВНЫХ ДАННЫХ НА ПРИВАТНОСТЬ МОДЕЛИ
7.14. Жанг Н.. РАЗРАБОТКА МЕТРИК ОЦЕНКИ ИНФОРМАЦИОННОЙ УТЕЧКИ В ГЛУБОКОМ ОБУЧЕНИИ
7.15. Демэйн Э.. ИССЛЕДОВАНИЕ УСТОЙЧИВОСТИ ЯЗЫКОВЫХ МОДЕЛЕЙ К ИЗВЛЕЧЕНИЮ КОНФИДЕНЦИАЛЬНЫХ ШАБЛОНОВ
7.16. Коста Р.. МЕТОДЫ ИДЕНТИФИКАЦИИ ИСТОЧНИКОВ УЯЗВИМОСТЕЙ В АРХИТЕКТУРЕ МОДЕЛИ
7.17. Нгюэн З.. АНАЛИЗ КОМПРОМЕТАЦИИ КОНФИДЕНЦИАЛЬНЫХ ДАННЫХ ЧЕРЕЗ ОБРАТНЫЙ ИНЖИНИРИНГ МОДЕЛИ
7.18. Ортего П.. ПРАКТИЧЕСКАЯ ОЦЕНКА МОДЕЛЕЙ ИИ С УЧЁТОМ НОРМАТИВНЫХ ТРЕБОВАНИЙ К ЗАЩИТЕ ДАННЫХ
7.19. Петрова Д.. ВЫЯВЛЕНИЕ РИСКОВ ПРИВАТНОСТИ ПРИ ПОВТОРНОМ ИСПОЛЬЗОВАНИИ МОДЕЛЕЙ НА НОВЫХ ЗАДАЧАХ
7.20. Мюллер Э.. ПОСТРОЕНИЕ ТЕСТОВЫХ СЦЕНАРИЕВ ОЦЕНКИ КОНФИДЕНЦИАЛЬНОСТИ ДЛЯ ДОВЕРЕННЫХ МОДЕЛЕЙ
7.21. Рао Н.. МОДЕЛИРОВАНИЕ ВЕРОЯТНОСТИ УТЕЧКИ ДАННЫХ ПРИ ПОСЛЕДОВАТЕЛЬНЫХ ЗАПРОСАХ К ЯЗЫКОВОЙ МОДЕЛИ
7.22. Ким Д.. АНАЛИЗ ГРАНИЦ ПРИВАТНОСТИ ПРИ МНОГОКРАТНОМ ИСПОЛЬЗОВАНИИ МОДЕЛИ В УСЛОВИЯХ ПЕРЕКРЫВАЮЩИХСЯ ДАННЫХ
7.23. Девериукс Л.. ВЛИЯНИЕ ДИСТИЛЛИРОВАННЫХ МОДЕЛЕЙ НА УРОВЕНЬ КОНФИДЕНЦИАЛЬНОСТИ ИСХОДНЫХ ДАННЫХ
7.24. Эль-Хассан Ф.. ОБОСНОВАНИЕ ДОВЕРИЯ К ИИ ЧЕРЕЗ ФОРМАЛЬНЫЕ МЕТОДЫ ВЕРИФИКАЦИИ ПРИВАТНОСТИ
7.25. Вэй Ч.. РИСКИ ДЕАНОНИМИЗАЦИИ ПОЛЬЗОВАТЕЛЕЙ ПРИ ГЕНЕРАЦИИ ТЕКСТОВ НА ОСНОВЕ ПОВЕДЕНЧЕСКИХ ШАБЛОНОВ
7.26. Танака Л.. КОМБИНИРОВАННЫЕ АТАКИ НА ПРИВАТНОСТЬ: ВЗАИМОДЕЙСТВИЕ MEMBERSHIP И ATTRIBUTE INFERENCE
7.27. Жэнг Э.. ОЦЕНКА УСТОЙЧИВОСТИ МОДЕЛИ К ПЕРЕКРЕСТНОЙ КОРРЕЛЯЦИИ МЕЖДУ ПРИВАТНЫМИ И ПУБЛИЧНЫМИ ДАННЫМИ
7.28. Вильямс И.. АНАЛИЗ МЕТА-УТЕЧЕК: КАК ПАРАМЕТРЫ ОБУЧЕНИЯ ВЫДАЮТ СТРУКТУРУ ПРИВАТНОЙ ИНФОРМАЦИИ
7.29. Хернадез С.. ПРОТОКОЛЫ АУДИТА ПРИВАТНОСТИ В ПРОДУКТИВНЫХ ИИ-СИСТЕМАХ: ОТ ТЕОРИИ К ПРАКТИКЕ
7.30. Каплан М.. АВТОМАТИЧЕСКОЕ ОБНАРУЖЕНИЕ РИСКОВ РАЗГЛАШЕНИЯ ДАННЫХ В ПАЙПЛАЙНЕ МАШИННОГО ОБУЧЕНИЯ
7.31. Садовников В.Е.. ПРИМЕНЕНИЕ ДИФФЕРЕНЦИАЛЬНОЙ ПРИВАТНОСТИ В ВАРИАЦИОННЫХ АВТОЭНКОДЕРАХ ЧЕРЕЗ ОЦЕНКУ НА ОСНОВЕ ДИВЕРГЕНЦИЙ КУЛЬБАКА — ЛЕЙБЛЕРА
7.32. Эргашев Д. Х.. БУДУЩЕЕ БЕЗОПАСТНОСТИ И УСТОЙЧИВОСТИ ИНФОРМАЦИОННЫХ СИСТЕМ
7.33. Кочев А. Ю.. НОВЫЕ ИНСТРУМЕНТЫ УСТОЙЧИВОСТИ И БЕЗОПАСНОСТИ В ИНФОРМАЦИОННЫХ СИСТЕМАХ: СОВРЕМЕННЫЕ ПОДХОДЫ И ПЕРСПЕКТИВЫ
7.34. Медяник М.Д.. КОЛИЧЕСТВЕННЫЕ МЕТРИКИ ОЦЕНКИ РИСКОВ ДЛЯ КОНФИДЕНЦИАЛЬНЫХ ДАННЫХ В ИИ