Исследователи ЛЭТИ усовершенствовали безопасный метод обучения нейросетей для «умных городов»

19 января 2026, 11:00

© RUБЕЖ

Специалисты Санкт-Петербургского государственного электротехнического университета «ЛЭТИ» повысили точности безопасного метода обучения искусственного интеллекта, применяемого в системах «умного города». Речь идёт о модификации популярного алгоритма федеративного обучения. Об этом рассказали в пресс-службе вуза.

Как сообщили в пресс-службе вуза, усовершенствованный алгоритм MFedBN превзошёл базовую версию FedBN в ходе экспериментов с данными городских сенсоров.

В частности, при анализе информации с датчиков грузового транспорта точность классификации достигла 85%, а в критически важной задаче обнаружения кибератак и сетевых вторжений — рекордных 99,98%.

Мы усовершенствовали широко используемый алгоритм FedBN. Работоспособность и превосходство предложенной модификации MFedBN над базовыми аналогами были доказаны в серии экспериментов на датасетах «умного города»,

— рассказал Иван Холод, руководитель проекта, проректор по цифровой трансформации ЛЭТИ.

Для обработки огромных потоков данных от миллионов устройств «умного города» — от камер до телефонов — активно используются нейронные сети.

Федеративное обучение — это передовой подход, позволяющий тренировать ИИ непосредственно на разрозненных устройствах, не выгружая конфиденциальные данные на центральный сервер, что повышает безопасность.

Главное новшество алгоритма MFedBN — в изменении механизма агрегации данных на сервере. Вместо простого усреднения данных с клиентских моделей применяется градиентный подход с контролируемой скоростью обучения, что и обеспечило рост точности.

Ранее RUБЕЖ сообщал, что за 2025 год Росатом реализовал 40 проектов по цифровизации инфраструктуры городов.