Аннотация: В условиях стремительного развития цифровых технологий вопросы обеспечения безопасности данных приобретают особую актуальность. В этой связи исследование взаимодействия криптографии и технологий искусственного интеллекта становится одним из перспективных научных направлений. В данной статье рассматриваются возможности, риски и перспективы применения искусственного интеллекта в криптографических системах. Целью исследования является сравнительный анализ эффективности традиционных криптографических алгоритмов и алгоритмов, оптимизированных с использованием методов искусственного интеллекта. В ходе исследования применялось экспериментальное моделирование, в рамках которого измерялось время шифрования данных различного объема. Полученные результаты показали, что алгоритмы, оптимизированные с использованием искусственного интеллекта, демонстрируют более высокую производительность по сравнению с традиционными методами. Кроме того, использование искусственного интеллекта позволяет автоматизировать процесс обнаружения уязвимостей и повышает адаптивность систем информационной безопасности. Результаты исследования свидетельствуют о значительном потенциале интеграции криптографии и искусственного интеллекта для повышения эффективности систем защиты информации.

Аннотация: Актуальность: Современные системы контроля доступа уже не справляются с требованиями к безопасности, если опираются только на пароли, PIN-коды и другие классические способы аутентификации. Такие методы легко украсть, подобрать или передать другим людям, поэтому они становятся слабым звеном защиты. На этом фоне особенно востребованы решения, которые используют биометрию и умеют «понимать» поведение пользователя, а не только сверять введённые данные. Цель: В работе создаётся программная система, которая не просто идентифицирует человека по биометрическим признакам, но и оценивает, насколько типично он себя ведёт при попытке входа. Задача состоит в том, чтобы получить инструмент, способный вовремя заметить подозрительную активность и автоматически усилить защиту. Методы: В качестве технической основы выбраны методы компьютерного зрения и глубокого обучения, которые применяются для распознавания лиц в видеопотоке. Дополнительно используется модуль поведенческого анализа, отслеживающий последовательность и частоту попыток входа, время и контекст доступа. Система структурирована на несколько взаимосвязанных модулей: распознавание лиц, проверка прав по времени и зоне, оценка уровня риска. Результаты: Разработанный прототип показывает, что сочетание биометрии и поведенческих признаков позволяет заметно повысить качество контроля доступа. Если количество ошибок или необычных действий превышает заданный порог, система автоматически блокирует пользователя и запускает тревожный сценарий. Такой подход уменьшает вероятность несанкционированного входа и снижает нагрузку на администратора безопасности за счёт частичной автоматизации реагирования. Научная новизна: Предложенная система объединяет распознавание лиц и поведенческий анализ не как два отдельных слоя защиты, а как элементы единой архитектуры принятия решения. Это позволяет одновременно учитывать биометрические характеристики пользователя и контекст его действий – от времени и места доступа до паттернов неудачных попыток. Такой интегрированный подход формирует более гибкий и «умный» контур безопасности по сравнению с классическими однофакторными решениями.

Аннотация: Основная проблема: В аридных регионах обеспечение продовольственной безопасности осложняется деградацией земель, нестабильностью водных ресурсов и локальными экологическими загрязнениями, что снижает устойчивость агропродовольственной системы и качество сельскохозяйственной продукции, а также ограничивает потенциал её переработки. Цель: Оценить влияние экологических факторов на продовольственную безопасность Жамбылской области и обосновать роль пищевых технологий в повышении качества и безопасности продукции. Методы: Использованы системный анализ, сравнительно-географический подход, а также обработка данных экологического мониторинга почв, атмосферного воздуха и поверхностных вод за 2023-2024 гг. с последующей интерпретацией результатов. Результаты и их значимость: Установлено, что деградация земель, включая снижение содержания гумуса и развитие дефляционных процессов, является ключевым ограничивающим фактором сельскохозяйственного производства. Концентрации тяжёлых металлов в почвах не превышают допустимых норм. Атмосферный воздух характеризуется в целом низким уровнем загрязнения при наличии локальных превышений предельно допустимых концентраций. Зафиксирована положительная динамика качества поверхностных вод при отсутствии экстремального загрязнения. Полученные результаты подтверждают необходимость внедрения ресурсосберегающих и очистных технологий и могут быть использованы при разработке региональной политики продовольственной безопасности.