DSA Faculty
API
← к списку преподавателей

Перов Артём Андреевич

Московский институт электроники и математики им. А.Н. Тихонова

Профиль на hse.ru ↗ тел.: 12675
Публикаций
10
Языков
1
Наград
1
Конференций
0
Профиль Публикации (10) Курсы (6)

Профессиональные интересы

информатика и информационные технологиикриптографиямашинное обучениеинформационная безопасность

Должности

  • Доцент — Московский институт электроники и математики им. А.Н. Тихонова, Кафедра информационной безопасности киберфизических систем

Био

  • · Начал работать в НИУ ВШЭ в 2021 году.

Образование

  • 2019 · Аспирантура: Новосибирский государственный университет экономики и управления "НИНХ", специальность «Информатика и вычислительная техника», квалификация «Исследователь. Преподаватель-исследователь»
  • 2015 · Специалитет: Новосибирский государственный университет экономики и управления "НИНХ", специальность «Организация и технология защиты информации», квалификация «Специалист по защите информации»
  • — · Кандидат технических наук: специальность 05.13.17 – «Теоретические основы информатики», Сибирский федеральный университет, 2021.

Опыт работы

  • · 2015 г. – 2020 г.: Новосибирский Государственный Университет Экономики и Управления – «НИНХ»

Награды и поощрения

  • · Лучший преподаватель — 2022–2025

Идентификаторы исследователя

Публикации (10)

Информационная безопасность и защита информации: краткое введение и практикум

2025 · BOOK · ru

Изложено общее введение в проблематику и методические основы информационной безопасности и защиты информации, представлен ряд лабораторных работ, направленных на развитие практических навыков применения методов и средств анализа и обеспечения безопасности информации при использовании компьютерных технологий. Предназначено для студентов высших учебных заведений, обучающихся по направлениям и специальностям в области информационных технологий. Отдельные темы могут быть полезны студентам других направлений, а также слушателям курсов повышения квалификации в области информационной безопасности и технической защиты информации.

PDF ↗

Обзор методов стегоанализа с использованием нейронных сетей

2023 · CHAPTER · ru

В статье рассматриваются основные концепции и термины, используемые в стеганографии, дается обоснование актуальности задачи стегоанализа, рассматриваются вопросы применения глубоких нейронных сетей в задачах стегоанализа на цифровых изображениях. Производится сравнительный анализ и описание наиболее эффективных архитектур сверточных сетей для решения поставленной задачи.

PDF ↗

ОСОБЕННОСТИ ПРИМЕНЕНИЯ ПРЕДОБУЧЕННЫХ СВЁРТОЧНЫХ НЕЙРОННЫХ СЕТЕЙ К ЗАДАЧАМ СТЕГОАНАЛИЗА ГРАФИЧЕСКИХ ИЗОБРАЖЕНИЙ

2021 · ARTICLE · ru

Исследовано использование свёрточных нейронных сетей в целях анализа контейнера графических изображений на наличие данных, внедрённых методами стеганографии. Показано, что глубокая свёрточная нейронная сеть обучается классифицировать присутствие скрытых данных в графических изображениях, достигая точности по метрике weighted AUC, равной 0,928. Проверена гипотеза об эффективности применения концепции «transfer learning» в сфере стеганографии. Эффективность предложенной технологии продемонстрирована на большом экспериментальном материале.

DOI ↗ PDF ↗

Определение заболеваний маниока методами компьютерного зрения

2021 · ARTICLE · ru

Цель. Разработка модели сверточной нейронной сети для определения заболеваний маниока по фотографии с мобильного телефона. Методы и материалы исследования. Материалом для исследований послужили размеченные изображения с различными видами заболеваний маниока, опубликованные в открытом доступе платформы Kaggle. Методы исследования: теория проектирования и разработки информационных систем, программирования, методы аугментации и расширения датасетов для задач компьютерного зрения, методы настройки гиперпараметров обучения моделей нейронной сети. Результаты. Маниок съедобный – одна из ключевых культур для сельского хозяйства многих регионов мира. Одной из главных причин плохой урожайности является различного вида заболевания. Для профилактики и раннего предупреждения распространения заболевания растений необходим инструмент в виде модели нейронной сети, позволяющей определить наличия заболевания по фотографии со смартфона. В работе использовались методы глубинного обучения сверточных нейронных сетей, а также концепция «transfer learning». На базе сети ResNet 50 была обучена нейронная сеть, позволяющая с точностью 0,93 по метрике F1-score определять наличие заболевания у растения маниок съедобный по изображению. Заключение. Был подготовлен набор данных изображений маниоки, включающий пять классов, для эффективной классификации нейронной сетью. Четыре класса с признаками определенных заболеваний листьев маниоки и один класс для здоровых растений. Была построена и обучена модель для решения задачи классификации по обнаружению болезни листьев маниоки по изображениям со смартфона.

DOI ↗

КЛАССИФИКАЦИЯ ВНЕКОРНЕВЫХ ЗАБОЛЕВАНИЙ ЯБЛОНЕВЫХ КУЛЬТУР МЕТОДАМИ КОМПЬЮТЕРНОГО ЗРЕНИЯ

2021 · ARTICLE · ru

Цель. Разработка модели сверточной нейронной сети для определения вне - корневых заболеваний яблонь по фотографиям листьев с мобильного телефона. Методы и материалы исследования. Материалом для исследований по - служили размеченные изображения с различными видами внекорневых заболе - ваний яблони, опубликованные в открытом доступе платформы Kaggle. Ме - тоды исследования: теория проектирования и разработки информационных систем, программирования, методы аугментации и расширения датасетов для задач компьютерного зрения, методы настройки гиперпараметров обу - чения моделей нейронной сети. Результаты. Яблоня (Malus) – многолетняя древесная культура рода Malus. Яблоки – основная плодовая культура России. Яблоня как плодовая культура распространена почти во всех странах умеренного климата, а в России она выращивается повсеместно – от северных регионов до юга [3]. Заболевания яблонь является одной из главных причин снижения урожай - ности садов по всему миру. Для профилактики и раннего предупреждения распространения заболеваний яблонь необходим инструмент в виде модели нейронной сети, позволяющей определить наличия заболевания по фотогра - фии со смартфона листьев яблони. В работе использовались методы глубин - ного обучения сверточных нейронных сетей, а также концепция «transfer learning». На базе сети EfficientNet была обучена нейронная сеть, позволяю - щая с точностью 0,9842 по метрике F1-score определять наличие некорневых заболеваний яблони по изображению листьев. Заключение. Был подготовлен набор данных изображений листьев яблонь, включающий четыре класса, для эффективной классификации ней - ронной сетью. Два класса с признаками определенного заболевания яблони, один класс для наличия более одного заболевания и один класс для здоровых яблонь. Построена и обучена модель для решения задачи классификации по обнаружению болезни яблонь по изображениям листьев со смартфона.

DOI ↗

О возможности применения сверточных нейронных сетей к построению универсальных атак на итеративные блочные шифры

2020 · ARTICLE · ru

Исследуется возможность применения свёрточных нейронных сетей к задаче анализа стойкости итеративных блочных шифров. Предлагается новый подход к построению атак-различителей на основе свёрточной нейронной сети, обученной различать графические эквиваленты шифртекстов, полученных в режиме шифрования CTR (счётчика) после разного числа раундов, в том числе после такого, которое обеспечивает удовлетворительные статистические свойства шифртекста. По аналогии со статистическими тестами, предложенный подход позволяет создавать различители без необходимости проведения аналитического исследования каждого шифра, что даёт возможность строить универсальные различители сразу для серии шифров. Предлагается несколько схем построения универсальных атак-различителей, которые, как демонстрируется экспериментально, в ряде случаев позволяют выявлять отклонения от случайности на меньших выборках и при большем числе раундов, чем ранее известные статистические тесты.

DOI ↗ PDF ↗

Using Machine Learning Technologies for Carrying out Statistical Analysis of Block Ciphers

2019 · ARTICLE · en

This article presents the application of machine learning technologies to cryptography tasks, in particular, the statistical analysis of block ciphers. The author uses the Inception V3 neural network model, which is traditionally used for images recognition. A technology for adapting ciphertexts to the developed technique is proposed. The results of experiments on encrypted sequences are presented. The advantages of statistical analysis by machine learning over the classical methods of statistical testing are revealed. In this article, we demonstrate that in some cases using the machine-learning techniques it is possible to distinguish reduced-round ciphers ciphertexts from the random sequences having a smaller samples comparing with traditional statistical methods.

DOI ↗

Применение статистических тестов NIST для анализа выходных последовательностей блочных шифров

2019 · ARTICLE · ru

Современные итеративные блочные шифры являются одним из наиболее востребованных средств обеспечения защищенного обмена информацией в высокоскоростных сетях передачи данных. Широкое применение данной технологии и развитие вычислительных мощностей порождают целый перечень угроз криптоанализа шифров. Обеспечение криптографической стойкости является в данном случае одним из ключевых аспектов криптографического алгоритма, однако криптографическая стойкость невозможна без обеспечения удовлетворительных статистических свойств, так как ряд атак на блочные шифры основан как раз на статистических уязвимостях выходной последовательности. Дизайнеры используемых на сегодняшний день криптографических алгоритмов установили определенный запас при выборе характеристик работы шифров, тогда как выходная последовательность многих алгоритмов становится неотличима от случайной за меньшее, чем полное, число раундов шифрования. Некоторое сокращение такого параметра блочного шифра, как число раундов, позволит обеспечить удовлетворительные статистические свойства, при этом увеличив скорость работы алгоритма. Для проверки статистических свойств шифра проводится статистический анализ с помощью специализированных тестов, который, как правило, сопряжен с рядом сложностей. В настоящей статье рассматривается задача анализа выходных последовательностей блочных шифров с целью поиска оптимального (минимального) числа раундов шифрования, при котором шифртекст неотличим от случайного. Изложены основные принципы работы статистических тестов. Описана технология обеспечения взаимодействия реализаций статистических тестов и криптоалгоритмов, которая предложена и реализована автором средствами языков программирования. Продемонстрированы новые, полученные в результате экспериментов характеристики работы для алгоритмов из библиотеки CPPCRYPTO.

DOI ↗

О некоторых направлениях научных исследований в области криптоанализа симметричных алгоритмов

2016 · ARTICLE · ru

Представлен обзор некоторых направлений научных исследований в области криптоанализа симметричных алгоритмов. В частности, выделены задачи, связанные с поиском слабых ключей, со статистическим анализом криптоалгоритмов, с анализом итеративных конструкций. Рассмотрены задачи, являющиеся специфическими для поточных шифров, криптографических хеш-функций и итеративных блочных шифров. Обоснована практическая значимость ведения научных исследований в области криптоанализа симметричных алгоритмов и описаны основные принципы этих исследований.

СТАТИСТИЧЕСКОЕ ТЕСТИРОВАНИЕ СОВРЕМЕННЫХ ИТЕРАТИВНЫХ БЛОЧНЫХ ШИФРОВ С ПОМОЩЬЮ ПРОГРАММНОЙ БИБИЛОТЕКИ "УНИБЛОКС-2015"

2016 · ARTICLE · ru

Статистический анализ итеративных блочных шифров проводится для выявления зависимостей статистических свойств выходной последовательности в зависимости от числа раундов. Для проведения такого анализа целесообразно пользоваться программными кодами, имеющимися в открытом доступе, однако их интеграция в собственные программы затруднена, во-первых, тем, что сторонние реализации шифров имеют разные программные интерфейсы, а, во-вторых, тем, что число раундов не выносится в качестве аргумента функции. В настоящей статье представлена программная библиотека, созданная на базе открытых исходных кодов шифров, в которой реализации шифров обладают унифицированным интерфейсом, дающим возможность их автоматизированного тестирования. Приведены результаты исследований интегрированных в библиотеку «Униблокс-2015» криптографических алгоритмов.

Курсы (6)