Архитектура и методы построения интеллектуальной системы мониторинга центра оператора безопасности

В. Р. Иксанов, С. В. Дараган

---

Аннотация. В современном мире информационные технологии играют ключевую роль в автоматизации процессов, особенно в научных центрах. Разработка архитектуры и методов для автоматизированных систем позволяет повысить эффективность обработки данных, моделирования и управления в областях информатики и телекоммуникаций. Однако существующие подходы часто не учитывают региональные особенности.
Цель исследования – разработка архитектуры и методов для автоматизированных систем, ориентированных на обработку информации в реальном времени, с учетом специфики научных исследований.
Материалы и методы исследования. Использованы методы системного анализа, компьютерного моделирования (с применением Python и MathType для формул), анализ литературы по специальностям 2.3.8. Материалы включают данные из открытых источников, эксперименты с моделями на базе 100+ тестовых наборов.
Результаты. Предложена новая архитектура системы с модулями для обработки данных, включающая алгоритмы оптимизации (снижение времени на 30 %). Разработаны методы автоматизации, включая формулы для расчета эффективности. Тестирование показало улучшение точности на 25 %.
Выводы. Предложенная архитектура и методы могут быть применены в научных центрах для повышения производительности. Рекомендуется дальнейшее тестирование в реальных условиях.

Ключевые слова: метод конечных автоматов, управляющие модели, большие языковые модели, агентные системы, базы знаний, системный подход, формализация

Для цитирования. Иксанов В. Р., Дараган С. В. Архитектура и методы построения интеллектуальной системы мониторинга центра оператора безопасности // Известия Кабардино-Балкарского научного центра РАН. 2026. Т. 28. № 3. С. 122–131. DOI: 10.35330/1991-6639-2026-28-3-122-131

©  Иксанов В. Р., Дараган С. В., 2026

Список литературы

1. Новоженов В. А., Романова Т. Н. Математические методы оптимизации распределенных вычислений в гетерогенной среде // International Journal of Open Information Technologies. Т. 13. № 1. С. 31–39. EDN: SCIWLQ
2. Уманский Д. М. Предсказание ошибок в производственном оборудовании используя машинное обучение // Международный журнал информационных технологий и энергоэффективности. 2025. Т. 10. № 1(51). С. 145–151. EDN: MVBAUT
3. Липатов К. В., Потапченко Т. Д. Анализ особенностей поддержки принятия торговых решений на биржах с использованием перспективных направлений искусственного интеллекта // Cifra. Компьютерные науки и информатика. 2025. № 1(5). DOI: 10.60797/COMP.2025.5.4
4. Камбаров А. М., Ковтун С. А., Суркова Е. В. Методический подход к комплексному развитию высокотехнологичных предприятий в условиях цифровой трансформации предприятий // СТИН. 2025. № 1. С. 30–34. EDN: CHXLOD
5. Болатов С. А. Искусственный интеллект: улучшение UX-дизайна через персонализацию и прогнозирование поведения пользователей // Актуальные исследования. 2025. № 4-1(239). С. 32–40. DOI: 10.5281/2enodo.14750798
6. Шарнин М. М., Сомин Н. В. Применение методов обработки естественного языка в области языковых моделей белков: текущие и будущие тенденции // Cifra. Компьютерные науки и информатика. 2025. № 1(5). DOI: 10.60797/COMP.2025.5.1
7. Журавлев Д. В., Голубинский А. Н., Резниченко А. А. Универсальный программно-аппаратный комплекс для управления роботизированными устройствами на основе
   принципов работы синхронного или асинхронного интерфейсов «мозг-компьютер» // Журнал радиоэлектроники. 2025. № 1. DOI: 10.30898/1684-1719.2025.1.1
8. Храменков В. А., Дмитричев А. С., Некоркин В. И. Мультистабильность синхронных режимов в многомашинной энергосети с общей нагрузкой и их устойчивость в целом и в большом // Известия высших учебных заведений. Прикладная нелинейная динамика. 2025. Т. 33. № 1. С. 38–68. DOI: 10.18500/0869-6632-003128
9. Иванов А. В., Селифанов В. В., Огнев И. А. Некоторые вопросы оценки доверия к субъектам информационного обмена // Защита информации. Инсайд. 2025. № 1(121). С. 34–40. EDN: AUYCFT
10. Бойко А. П., Шевченко А. А., Кузин П. И. Модель оптической транспортной сети специального назначения в условиях деструктивных воздействий // Вестник компьютерных и информационных технологий. 2025. Т. 22.№ 1(247). С. 42–50.DOI: 10.14489/vkit.2025.01.pp.042-050
11. Рубцов Д. Ю. Математические модели и программный комплекс для интеллектуального анализа и прогнозирования исполнения государственных контрактов // Моделирование, оптимизация и информационные технологии. 2025. Т. 13. № 1(48). DOI: 10.26102/2310-6018/2025.48.1.010
12. Артемьев В. С., Мокрова Н. В. Применение метода моментов для оптимизации электрофизических воздействий // Вестник Ульяновской государственной сельскохозяйственной академии. 2025. № 3(71). С. 228–236. DOI: 10.18286/1816-4501-2025-3-228-236
13. Tramova A.M., Popov A.A., Artemyev V.S., Mokrova N.V. Algebraic methods of automatic optimization and formal verification of parallel algorithms // Computational Mathematics and Modeling. 2025. DOI: 10.1007/s10598-025-09651-x

Информация об авторах

Иксанов Владислав Рашидович, ст. преподаватель, кафедра информатики, Российский экономический университет имени Г. В. Плеханова;
115054, Россия, Москва, Стремянный переулок, 36;
vlad-iksanov@mail.ru, ORCID: https://orcid.org/0009-0003-7810-3720, SPIN-код: 6750-3298
Дараган Светлана Валерьевна, ст. преподаватель, кафедра информатики, Российский экономический университет имени Г. В. Плеханова;
115054, Россия, Москва, Стремянный переулок, 36;
daragan.sv@rea.ru, SPIN-код: 6731-1884

Финансирование

Исследование проведено без спонсорской поддержки.