В издательстве ПГУ издан справочник "Малые выборки, нейроморфные вычисления: быстрые алгоритмы оценки энтропии Шеннона – Пирсона квадратичной сложности", подготовленный доктором технических наук, профессором кафедры "Технические средства информационной безопасности", научным консультантом АО "ПНИЭИ" А.И. Ивановым.

В справочнике рассматриваются проблемы статистической обработки малых выборок реальных данных. Нейросетевой искусственный интеллект способен эффективно противостоять энтропии окружающей среды, если он заранее обучен решать некоторую конкретную задачу. Примером могут служить нейросетевые преобразователи биометрических данных человека в код его личного криптографического ключа. Ключ получается длинным – 256 бит, однако это может быть только видимостью. Разряды ключа зависимы, соответственно, нужно уметь оценивать снижение энтропии кодовой последовательности с зависимыми разрядами.

Решать эту задачу по Шеннону крайне сложно, так как она обладает экспоненциальной вычислительной сложностью. В справочнике приводятся таблицы экспериментально полученных связей энтропии Шеннона с коэффициентами корреляции разрядов кода. Вычисления выполнены по классической энтропии Шеннона для коротких кодов. Далее выполнена полиномиальная аппроксимация и экстраполяция данных. Как результат, появляется возможность заменить задачу экспоненциальной вычислительной сложности по Шеннону на более простую задачу Шеннона – Пирсона квадратичной вычислительной сложности. Рассмотренные преобразования дополняют алгоритмы быстрой оценки энтропии в пространстве расстояний Хэмминга по ГОСТ Р 52633.3–2011 с линейной вычислительной сложностью.

Справочник предназначен для студентов, аспирантов, преподавателей, занимающихся разработкой и исследованием нейросетевых приложений искусственного интеллекта в защищенном исполнении. 

Читайте справочник в электронном виде (скачать, 989 Кб).