Тема выпускной квалификационной работы: «Защита от атаки отравления данных на основе нейронной сети с долго краткосрочной памятью». Целью работы является защита информационных систем, использующих методы машинного обучения, от угрозы отравления обучающего набора данных. Предметом исследования являются методы очистки данных, которые могут быть применены при обеспечении симбиотического взаимодействия нейронных сетей на этапе обучения. Задачи, решаемые в ходе исследования: 1. Анализ научно-технической литературы с целью определения признаков отравления данных. 2. Исследование и выявление недостатков способов противодействия атаке отравления данных. 3. Разработка теоретико-множественной модели техник атак отравления данных. 4. Разработка методов и алгоритмов очистки набора отравленных данных, использующих нейронные сети с долгой краткосрочной памятью. 5. Разработка программного макета, реализующего предложенные методы и алгоритмы очистки набора отравленных данных. 6. Проведение экспериментальной оценки работы реализованного программного макета. В ходе работы была исследованы методы защиты от атаки отравления данных и разработан программный макет, реализующий взаимодействие двух нейронных сетей по симбиотическому принципу для противодействия результатам отравления. Полученные результаты могут быть использованы в качестве базы для проектирования комплексных систем защиты от атак отравления данных и очистки данных от результатов отравления.

Topic of the final qualification work: «Protection against infection by data infection based on a neural network with long-term short-term memory». The aim of the work is to protect information systems using machine learning methods from the threat of poisoning the training data set. The subject of the study is data cleaning methods that can be applied to ensure the symbiotic interaction of neural networks at the training stage. Tasks to be solved in the course of the study: 1. Analysis of scientific and technical literature in order to determine the signs of data poisoning. 2. Investigation and identification of shortcomings in ways to counter the attack of data poisoning. 3. Development of a set-theoretic model of data poisoning attack techniques. 4. Development of methods and algorithms for cleaning a set of poisoned data using neural networks with a long short-term memory. 5. Development of a software layout that implements the proposed methods and algorithms for cleaning a set of poisoned data. 6. Conducting an experimental evaluation of the work of the implemented software layout. In the course of the work, methods of protection against data poisoning attacks were investigated and a software layout was developed that implements the interaction of two neural networks according to the symbiotic principle to counteract the results of poisoning. The results obtained can be used as a basis for designing complex systems for protecting against data poisoning attacks and cleaning data from the results of poisoning.