Полный текст статьи (PDF) XML (JATS 1.2)
Авторы / Authors
  • Саенко Игорь Борисович (Sayenko Igor B.) доктор технических наук, профессор, профессор кафедры автоматизированных систем специального назначения Военной академии связи имени Маршала Советского Союза С. М. Будённого, Санкт-Петербург, Россия
    Dr.Sc. (of tech.), Professor, Professor of the Department of Automated Special Purpose Systems, Military Academy of Communications named after Marshal of the Soviet Union S. M. Budyonny     ibsaen@mail.ru
Ключевые слова
терроризммашинное обучениеглубокое обучениеобработка изображенийраспознавание лицобнаружение аномалийпредиктивная аналитикасоциальные сети
Keywords
terrorismmachine learningdeep learningimage processingfacial recognitionanomaly detectionpredictive analyticssocial networks
Аннотация / Abstract
Русский

Цель: анализ содержания и возможностей применения технологий искусственного интеллекта и машинного зрения, которые могут быть применимы в антитеррористической деятельности, и формулировка проблем, свойственных этой предметной области, с обоснованием направлений их решения.

Метод: системный анализ антитеррористической деятельности и технологий искусственного интеллекта, направленный на выявление проблемной ситуации в новой предметной области.

Результат: обосновывается необходимость применения технологии искусственного интеллекта и машинного зрения для повышения эффективности антитеррористической деятельности. Дается характеристика ключевых технологий искусственного интеллекта и машинного зрения, оказывающих существенное воздействие на защиту от терроризма, таких как обработка изображений, распознавание лиц, обнаружение аномалий, предиктивная аналитика и мониторинг социальных сетей. Обсуждаются новые проблемы, порождаемые использованием искусственного интеллекта и машинного зрения, связанные с подготовкой обучающих наборов данных и этичностью применения инструментария искусственного интеллекта.

Научная новизна: анализ работ по тематике применения технологий искусственного интеллекта и машинного зрения в области борьбы с терроризмом впервые показал, что в наибольшей степени здесь могут быть применимы технологии обработки изображений и распознавание лиц, обнаружения аномалий, предиктивная аналитика и мониторинг социальных сетей. Применение этих технологий в интересах антитеррористической деятельности приводит к возникновению новых проблем, требующих своего скорейшего решения, которые обусловлены необходимостью качественной подготовки обучающих наборов данных и разработки новых нравственных и юридических норм, касающихся применения инструментария искусственного интеллекта.

English

Objective: analysis of the content and possibilities of application of artificial intelligence and machine vision technologies that can be used in anti-terrorist activities, and formulation of problems inherent in this subject area, with justification of directions for their solution.

Method: system analysis of anti-terrorist activities and artificial intelligence technologies aimed at identifying a problem situation in a new subject area.

Result: the need for the use of artificial intelligence and machine vision technology to improve the effectiveness of anti-terrorist activities is substantiated. The characteristics of key technologies of artificial intelligence and machine vision that have a significant impact on protection against terrorism, such as image processing, face recognition, anomaly detection, predictive analytics and monitoring of social networks, are given. generated by the use of artificial intelligence and machine vision, related to the preparation of training datasets and the ethics of using artificial intelligence tools.

Scientific novelty: the analysis of works on the use of artificial intelligence and machine vision technologies in the field of counterterrorism for the first time showed that the technologies of image processing and face recognition, anomaly detection, predictive analytics and monitoring of social networks can be most applicable here. The use of these technologies in the interests of anti-terrorist activities leads to the emergence of new problems that require their immediate decisions that are due to the need for high-quality preparation of training datasets and the development of new moral and legal norms regarding the use of artificial intelligence tools.

Финансирование / Funding

Источники финансирования не указаны.

No funding sources reported.

Идентификаторы / Identifiers
DOI10.21681/3034-4050-2025-4-2-9 ЖурналТелекоммуникации и связь Год2025 Номер№4 (07) Страницы2–8 ISSNПИ №ФС77-88069
Список литературы / References
  1. Карцхия А. А., Макаренко Г. И., Макаренко Д. Г.. Правовые перспективы технологий искусственного интеллекта // Безопасные информационные технологии. Сборник трудов Двенадцатой международной научно-технической конференции. 2023. С. 154–161.
  2. Карцхия А. А., Макаренко Г. И.. Правовые горизонты технологий искусственного интеллекта: национальный и международный аспект // Вопросы кибербезопасности. 2024. № 1(59). С. 2–14. DOI: 10.21681/2311-3456-2024-1-2-14.
  3. Гедгафов М. М.. Роль искусственного интеллекта в противодействии терроризму // Журнал прикладных исследований. 2023. № 8. С. 91–95. DOI: 10.47576/2949-1878_2023_8_91.
  4. Черкесов А. Ю.. Искусственный интеллект в противодействии террористическим угрозам в глобальном информационном пространстве // Пробелы в российском законодательстве. 2023. Т. 16. № 5. С. 166–170.
  5. Канкулов А. Х., Пантелеев В. А.. Искусственный интеллект как метод борьбы с преступностью и терроризмом // Аграрное и земельное право. 2024. № 1(229). С. 280–282. DOI: 10.47643/1815-1329_2024_1_280.
  6. Лаврухин М. В.. Использование искусственного интеллекта в противодействии терроризму и оптимизация требований обеспечения транспортной безопасности к объектам дорожного хозяйства // Транспортное право и безопасность. 2022. № 4(44). С. 126–143.
  7. Молотникова А. А., Акуз А. В.. Гибридные нейро-нечёткие сети в криминологии // Вестник Таганрогского института имени А. П. Чехова. 2024. № 2. С. 68–76.
  8. Котенко И. В., Шоров А. В., Нестерук Ф. Г.. Анализ биоинспирированных подходов для защиты компьютерных систем и сетей // Труды СПИИРАН. 2011. № 3(18). С. 19–73.
  9. Молотков П. П., Радайкин А. П.. Методы машинного зрения в робототехнике // Наука и образование. Сборник трудов участников XVII Международной научной конференции. 2025. С. 74–77.
  10. Силионов И. Н.. Применение нейронных сетей в области компьютерного зрения для создания систем умного наблюдения и безопасности // Вестник науки. 2025. Т. 3. № 3(84). С. 594–601.
  11. Сопильняк А. Ю.. Современные подсистемы машинного зрения в интеллектуальных информационных системах // Advances in Science and Technology. Сборник статей LXVI международной научно-практической конференции. 2025. С. 87–88.
  12. Nale P., Gite S., Dharrao D.. Real-Time Weapons Detection System using Computer Vision // 2023 Third International Conference on Smart Technologies, Communication and Robotics (STCR). 2023. С. 1–6. DOI: 10.1109/STCR59085.2023.10396960.
    Nale P., Gite S., Dharrao D.. Real-Time Weapons Detection System using Computer Vision // 2023 Third International Conference on Smart Technologies, Communication and Robotics (STCR). 2023. DOI: 10.1109/STCR59085.2023.10396960.
  13. Sengupta A., Kundu A., Mukhopadhyay A.. An Approach to Detect and Classify Potentially Suspicious Activity from Real-Time Log Data using Anomaly Detection Methods // 2024 3rd International Conference for Innovation in Technology (INOCON). 2024. С. 1–9. DOI: 10.1109/INOCON60754.2024.10511679.
    Sengupta A., Kundu A., Mukhopadhyay A.. An Approach to Detect and Classify Potentially Suspicious Activity from Real-Time Log Data using Anomaly Detection Methods // 2024 3rd International Conference for Innovation in Technology (INOCON). 2024. DOI: 10.1109/INOCON60754.2024.10511679.
  14. Abdalsalam M., Li Ch., Dahou A., Kryvinska N.. Terrorism Attack Classification Using Machine Learning: The Effectiveness of Using Textual Features Extracted from GTD Dataset // Computer Modeling in Engineering & Sciences. 2024. Т. 138. № 2. С. 1427–1467. DOI: 10.32604/cmes.2023.029911.
    Abdalsalam M., Li Ch., Dahou A., Kryvinska N.. Terrorism Attack Classification Using Machine Learning: The Effectiveness of Using Textual Features Extracted from GTD Dataset // Computer Modeling in Engineering & Sciences. 2024. DOI: 10.32604/cmes.2023.029911.
  15. Pan X., Zhang T.. Machine learning-based target prediction for terrorist attacks // Journal of Physics: Conference Series. 2023. Т. 2577. С. 1–14. DOI: 10.1088/1742-6596/2577/1/012007.
    Pan X., Zhang T.. Machine learning-based target prediction for terrorist attacks // Journal of Physics: Conference Series. 2023. DOI: 10.1088/1742-6596/2577/1/012007.
  16. Lu R., Huang J., Qu Y., Li L.. Study on Combined-CNN Model for Classification of Terrorism Text // 2024 7th International Conference on Advanced Algorithms and Control Engineering (ICAACE). 2024. С. 453–457. DOI: 10.1109/ICAACE61206.2024.10548392.
    Lu R., Huang J., Qu Y., Li L.. Study on Combined-CNN Model for Classification of Terrorism Text // 2024 7th International Conference on Advanced Algorithms and Control Engineering (ICAACE). 2024. DOI: 10.1109/ICAACE61206.2024.10548392.
  17. Lansky J. et al.. Deep Learning-Based Intrusion Detection Systems: A Systematic Review // IEEE Access. 2021. Т. 9. С. 101574–101599. DOI: 10.1109/ACCESS.2021.3097247.
    Lansky J. et al.. Deep Learning-Based Intrusion Detection Systems: A Systematic Review // IEEE Access. 2021. DOI: 10.1109/ACCESS.2021.3097247.
  18. Kibtiah T. M., Miranda E., Fernando Y., Aryuni M.. Terrorism, Social Media and Text Mining Technique: Review of Six Years Past Studies // 2020 International Conference on Information Management and Technology (ICIMTech). 2020. С. 571–576. DOI: 10.1109/ICIMTech50083.2020.9211148.
    Kibtiah T. M., Miranda E., Fernando Y., Aryuni M.. Terrorism, Social Media and Text Mining Technique: Review of Six Years Past Studies // 2020 International Conference on Information Management and Technology (ICIMTech). 2020. DOI: 10.1109/ICIMTech50083.2020.9211148.
  19. Hasanov I., Virtanen S., Hakkala A., Isoaho J.. Application of Large Language Models in Cybersecurity: A Systematic Literature Review // IEEE Access. 2024. Т. 12. С. 176751–176778. DOI: 10.1109/ACCESS.2024.3505983.
    Hasanov I., Virtanen S., Hakkala A., Isoaho J.. Application of Large Language Models in Cybersecurity: A Systematic Literature Review // IEEE Access. 2024. DOI: 10.1109/ACCESS.2024.3505983.
  20. Карцхия А. А., Макаренко Г. И.. Правовые проблемы применения искусственного интеллекта в России // Правовая информатика. 2024. № 1. С. 4–19. DOI: 10.21681/1994-1404-2024-1-4-19.