Wyniki wyszukiwania - BazTech

Ograniczanie wyników

2 Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska

2 2025

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Sortuj według:

Ogranicz wyniki do:

Optimization of machine learning methods for de-anonymization in social networks

Smailov Nunzhigit, Uralova Fatima, Kadyrova Rashida, Magazov Raiymbek, Sabibolda Akezhan

Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska

2025

T. 15, nr 1

101--104

In recent years, social networks have struggled to meet user protection and fraud prevention requirements under unpredictable risks. Anonymity features are widely used to help individuals maintain their privacy, but they can also be exploited for malicious purposes. In this study, we develop a machine learning-driven de-anonymization system for social networks, with a focus on feature selection, hyperparameter tuning, and dimensionality reduction. Using supervised learning techniques, the system achieves high accuracy in identifying user identities from anonymized datasets. In experiments conducted on real and synthetic data, the optimized models consistently outperform baseline methods on average. Even in cases where they do not, significant improvements in precision are observed. Ethical considerations surrounding de-anonymization are thoroughly discussed, including the responsibility of implementation to maintain a balance between privacy and security. By proposing a scalable and effective framework for analyzing anonymized data in social networks, this research contributes to improved fraud detection and strengthened Internet security.

W ostatnich latach sieci społecznościowe zmagają się z problemem spełnienia wymagań dotyczących ochrony użytkowników i zapobiegania oszustwom w warunkach nieprzewidywalnych zagrożeń. Funkcje anonimowości są powszechnie stosowane, aby pomóc użytkownikom zachować prywatność, ale mogą być również wykorzystywane do celów złośliwych. W niniejszym badaniu opracowaliśmy system deanonimizacji oparty na uczeniu maszynowym, przeznaczony dla sieci społecznościowych, koncentrując się na selekcji cech, dostrajaniu hiperparametrów i redukcji wymiarowości. Dzięki technikom uczenia nadzorowanego system osiąga wysoką dokładność w identyfikowaniu tożsamości użytkowników z anonimizowanych zbiorów danych. W eksperymentach przeprowadzonych na rzeczywistych i syntetycznych danych zoptymalizowane modele konsekwentnie przewyższały metody bazowe średnio. Nawet w przypadkach, gdy tak się nie działo, zaobserwowano znaczące poprawy w zakresie precyzji. Kwestie etyczne związane z deanonimizacją zostały dokładnie omówione, w tym odpowiedzialność za wdrożenie w celu utrzymania równowagi między prywatnością a bezpieczeństwem. Proponując skalowalny i efektywny model analizy anonimizowanych danych w sieciach społecznościowych, badanie to przyczynia się do poprawy wykrywania oszustw i wzmocnienia bezpieczeństwa w Internecie.

Application of facial recognition technologiesfor enhancing control in information security systems

Smailov Nurzhigit, Kadyrova Rashida, Abdulina Kamila, Uralova Fatima, Kubanova Nurgul, Sabibolda Akezhan

Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska

2025

T. 15, nr 3

55--58

This article investigates contemporary advancements in information security technologies, with a focus on automated access control systemsand their integration with biometric solutions. Particular emphasis is placed on the potential of facial recognition technologies to strengthen security protocols and streamline access management for restricted areas. A Python-based implementation utilizing the OpenCV library is presented, demonstrating real-time recognition capabilities and dynamic visitor data handling. In contrast to earlier conceptual works, this study providesa detailed description of the applied recognition algorithm, training procedure, and evaluation methodology. The system was tested in 200 experimental trialswith 20 participants under varying conditions, including changes in lighting, distance, and partial occlusions such as masks and sunglasses. Performance metrics–accuracy, precision, recall, and F1-score–were calculated based on confusion-matrix analysis. The results confirm that the proposed prototype ensures reliable operation in diverse environments, offering a scalable and cost-effective solution for enhancing access control mechanisms. By combining technical rigor with practical implementation, the study underscores the feasibility of adopting facial recognition systems to improve both securityand operational efficiency.

Artykuł analizuje współczesne osiągnięcia w dziedzinie technologii bezpieczeństwa informacji, ze szczególnym uwzględnieniem zautomatyzowanych systemów kontroli dostępu oraz ich integracji z rozwiązaniami biometrycznymi. Szczególny nacisk położono na potencjał technologii rozpoznawania twarzy w zakresie wzmacniania protokołów bezpieczeństwa i usprawniania zarządzania dostępem do obszarów chronionych. Przedstawiono implementację w języku Python z wykorzystaniem biblioteki OpenCV, demonstrującą możliwości rozpoznawania twarzy w czasie rzeczywistym oraz dynamicznego przetwarzania danych dotyczących odwiedzających. W przeciwieństwie do wcześniejszych prac koncepcyjnych, niniejsze badanie zawiera szczegółowy opis zastosowanego algorytmu rozpoznawania, procedury uczenia oraz metodologii oceny. System został przetestowanyw 200 próbach eksperymentalnych z udziałem 20 uczestników w różnych warunkach, obejmujących zmiany oświetlenia, odległości oraz częściowe zasłonięcia, takie jak maseczki i okulary przeciwsłoneczne. Miary wydajności –dokładność, precyzja, czułość (recall) i miara F1 –zostały obliczonena podstawie analizy macierzy pomyłek. Uzyskane wyniki potwierdzają, że zaproponowany prototyp zapewnia niezawodne działanie w zróżnicowanych środowiskach, oferując skalowalne i opłacalne rozwiązanie na rzecz poprawy mechanizmów kontroli dostępu. Łącząc rygor naukowyz praktyczną implementacją, badanie podkreśla realne możliwości wdrożenia systemów rozpoznawania twarzy w celu zwiększenia zarównobezpieczeństwa, jaki efektywności operacyjnej.