Публикации автора

В работе обсуждаются модели и методы реализации криптографических алгоритмов доказательства с нулевым разглашением и рассматриваются различные формы этих алгоритмов, такие как zk-SNARK и zk-STARK. Применение реализации данных алгоритмов обсуждается в рамках построения системы цифровой (суверенной) личности. Также в работе подробно разбирается технология zk-STARK, приводятся последовательные шаги и математические абстракции, которые могут реализовать подобный алгоритм и применить его в конструируемом решении. Реализация алгоритма приводится на примере формулировки гипотезы Коллатца, рассматривается построение запроса, формирование ограничений запроса (constraints), описывается пример формирования полинома с высокой степенью и последующего применения технологии FRI (Fast Reed-Solomon Interactive Oracle Proofs of Proximity). В работе также разбирается механизм работы со степенями полинома, позволяющий снизить степень и упростить работу алгоритма. Предложен новый метод, позволяющий повысить безопасность систем, использующих распределенный реестр данных (блокчейн): в работе рассматривается разработанный прототип, использующий технологию zk-STARK, которая избавляется от доверенной установки (потенциальной уязвимости zk-SNARK) и реализует алгоритм, устойчивый к атакам, с использованием квантовых компьютеров. Применение алгоритма рассматривается на прототипе блокчейна, который позволяет выпускать новые транзакции с поддержкой описанного метода. В работе приведены метрики прототипа, измерение количества транзакций в секунду, а также времени отклика узла блокчейна и потребляемой одним узлом оперативной памяти.

Процедура рентгенологического анализа в настоящее время позволяет выявить остеоартрит (ОА) на ранних стадиях заболевания. Наличие или отсутствие заболевания выявляется только на той стадии, когда оно уже проявилось и проведена рентгенологическая диагностика. Использование автоматизированных процедур анализа рентгенологических снимков, наличие архивов такой информации с длительной историей позволяют улучшить результаты прогнозирования осложнений у пациентов. В статье описывается опыт разработки приложения компьютерного анализа рентгенограмм, которое на основе методов глубокого обучения позволяет выявлять риски развития остеоартрита тазобедренного сустава. В качестве обучающей выборки используется архив профильного медицинского института. С целью увеличения размера обучающего набора рентгенограмм используется метод аугментации данных, который повышает вариативность исходных данных, в ряде случаев повышает эффективность распознавания. В работе используется конволюционная сеть (U-сеть), предназначенная для сегментации изображений, которая обучается на рентгенограммах конкретного медицинского учреждения. В рамках проекта по сегментации и анализу геометрических характеристик рентгеновских снимков тазобедренных суставов было разработано программное обеспечение, позволяющее автоматизировать распознавание размера суставной щели, что позволяет уточнить диагноз пациента, прогноз развития патологии.