Ланде Д.В., Шнурко-Табакова Е.В.
Перспективи автоматизац╕╖ анал╕тично╖ д╕яльност╕ в сфер╕ нац╕онально╖ оборони ╕ безпеки
// Забезпечення ╕нформац╕йно╖ безпеки держави у во╓нн╕й сфер╕: проблеми та шляхи ╖х вир╕шення.
Матер╕али науково-практично╖ конференц╕╖
- Ки╖в: НАЦ╤ОНАЛЬНИЙ УН╤ВЕРСИТЕТ ОБОРОНИ УКРА╥НИ ╤МЕН╤ ╤ВАНА ЧЕРНЯХОВСЬКОГО,
2020. - C. 89-90.

File not found.

За останн╕ роки в св╕т╕ отримано значного прогресу в област╕ штучного ╕нтелекту (Ш╤). Передус╕м знайшли практичного впровадження методи ╕ алгоритми машинного навчання, що застосовуються в задачах розп╕знавання образ╕в. Наявн╕ можливост╕ Ш╤ мають революц╕йний потенц╕ал для застосування в анал╕тичн╕й д╕яльност╕ в сфер╕ нац╕онально╖ оборони ╕ безпеки. Наприклад, ╕снуюча технолог╕я машинного навчання може забезпечити високий ступ╕нь автоматизац╕╖ трудом╕стких операц╕й, таких як анал╕з супутникових зображень ╕ к╕берзахист. В ╕нформац╕йному ╕ к╕берпростор╕ Ш╤ значно розширить можливост╕ збору ╕ анал╕зу даних, а також створення агрегованих даних. Зокрема, при вир╕шенн╕ завдань розв╕дки може бути враховано б╕льше джерел об'╓ктивно╖ ╕нформац╕╖. Однак ╕ дез╕нформац╕я, .фрейкова. ╕нформац╕я буде поширюватися набагато прост╕ше. ╤ тут на допомогу мають прийти алгоритми глибокого машинного навчання.

Доклад в