Специалисты Омского государственного технического университета (ОмГТУ) совершили значительный прорыв в области кибербезопасности, разработав инновационную нейронную сеть, предназначенную для эффективной защиты персональных данных от несанкционированных утечек. Эта передовая система обеспечивает доступ к конфиденциальной информации путем распознавания голоса пользователя, при этом уникально учитывая возможные изменения тембра и интонаций, вызванные эмоциональным состоянием человека. Результаты данного исследования были представлены в престижном издании Applied System Innovation.
Актуальность проблемы киберугроз
В начале 2025 года российские компании столкнулись с беспрецедентным уровнем кибератак: за первый квартал было зафиксировано около 801 миллиона попыток взлома, что эквивалентно более чем сотне атак в секунду. Как отмечают эксперты ОмГТУ, современные хакеры не ограничиваются кражей персональных и финансовых сведений; их целью все чаще становятся медицинские и биометрические данные, что подчеркивает острую необходимость в более надежных методах защиты.
Инновационная система голосовой аутентификации
В ответ на растущие угрозы ученые ОмГТУ создали уникальную систему голосовой аутентификации, основанную на принципиально новой архитектуре нейронной сети. По словам проректора по научной и инновационной деятельности ОмГТУ Павла Ложникова, разработанный алгоритм демонстрирует повышенную устойчивость к внешним воздействиям благодаря использованию новых типов нейронов и усовершенствованных математических связей между ними. Это значительно повышает его “чувствительность” к попыткам обхода.
“При внедрении нашей модели для распознавания человека по голосу, система будет точно определять пользователя, при этом надежно предотвращая возможность извлечения шаблона голосового пароля злоумышленниками. Ее точность превосходит ближайшие аналоги: вероятность ошибки составляет всего 2,1% против 2,7%. Кроме того, генерируемый пароль в нашей системе имеет длину 1024 бита, в то время как в аналогах этот показатель составляет лишь 160 бит.”
— Павел Ложников, проректор по научной и инновационной деятельности ОмГТУ
Особое внимание было уделено способности системы адаптироваться к изменяющемуся эмоциональному состоянию пользователя. Ложников подчеркнул, что для обучения нейронной сети использовались наборы данных, включающие записи голосовых фраз, произнесенных дикторами не только в обычном, но и в утомленном, сонном или нервном состоянии. Это позволяет системе сохранять высокую точность распознавания даже при изменении тембра голоса, вызванном эмоциональными факторами.
Стратегическое направление и перспективы
Как сообщили в вузе, научная школа “Нейросетевые алгоритмы искусственного интеллекта в защищенном исполнении” ОмГТУ целенаправленно занимается разработкой решений, которые делают утечку или несанкционированное извлечение конфиденциальных данных, используемых для обучения моделей ИИ, либо невозможным, либо чрезвычайно сложным и длительным процессом с вычислительной точки зрения. Ключевыми задачами, решаемыми новой моделью, являются повышение точности голосового распознавания и обеспечение конфиденциальности биометрических шаблонов от злоумышленников.
В планах ученых ОмГТУ — адаптация разработанной модели для анализа других биометрических признаков, таких как рукописный почерк и особенности лица. Также специалисты предвидят рост числа атак на биометрические системы с использованием имитаций и подделок, особенно на фоне активного развития генеративного искусственного интеллекта. В связи с этим проводятся дополнительные исследования, направленные на разработку методов противодействия подобным видам несанкционированного доступа к информации.
Дмитрий Верхов 
Максим Соколов