Лопатин И. Н.

Статья посвящена анализу и оценке роли данных и их интеграции в распределенной информационной банковской сфере в ходе решения задач формирования баз данных, поддержки принятия решений на основе интеллектуального анализа данных. Цель работы: оценка возможностей моделей представления данных в распределенных информационных средах и базах данных на основе интеллектуального анализа данных с привлечением нейро-сетевых инструментов для поддержки принятия решений в банковской сфере. Методы: компаративный анализ научных публикаций в области интеграции больших языковых моделей, включая возможности интеллектуальных агентов и многоагентного представления динамики информационного взаимодействия. Результаты: предложен концептуальный подход применения интеллектуальных агентов в ходе формирования и интеграции данных в банковской сфере для повышения обоснованности принимаемых решений, за счет повышения качества информационного взаимодействия на основе ролевого представления интеллектуальных агентов в ходе обучения доменно-специализированных языковых моделей.

Целью исследования является концептуализация открытой информационной среды на основе интеграции функциональной и технологической стандартизации в контексте инновационного развития общества в парадигме цифровой трансформации. Разнотипность, масштабность и необходимость использования цифровых данных является причиной разработки требований к представлению данных, к их доступности, полноте, достоверности, открытости и другим факторам, отражающим как предметную область исследования, так и источники получения данных в информационной среде.

Цель работы: разработка методики скоринга источников в многоуровневой системе качества данных для оценки состояния критичных источников информационной безопасности, в частности SOC (Security operation center), в антифродсистемах, системах искусственного интеллекта, использующих SLM (Small Language Models - малые языковые модели). Методы: аккумуляции знаний научных публикаций в области алгоритмов оценки качества данных, технологий работы корреляционных ядер, механизмов скоринга весов в антифрод-системах; обобщены методики и алгоритмы систем качества данных. Результаты: показано, что предложенная методика оценки качества данных в многоуровневой системе мониторинга обеспечивает снижение влияния низкого качества данных на критичные системы путем своевременного информирования об отклонениях в данных; проведен анализ алгоритмов расчета качества данных в международных системах оценки данных и показаны преимущества представленного подхода в работе.

В современную цифровую эпоху качество данных является критическим фактором для эффективности систем кибербезопасности, антифрод-механизмов и моделей искусственного интеллекта (ИИ). Внедрение кроссплатформенных систем качества данных с многоуровневым мониторингом, включая статистический анализ, базовый контроль качества данных, расширенное обнаружение аномалий, проверки полноты и генерацию синтетических данных, обеспечивает всесторонний контроль данных. Низкое качество данных может привести к серьезным последствиям, включая пропущенные угрозы, финансовые потери, репутационные риски и этические проблемы. Комплексный подход к управлению качеством данных, включающий разработку стратегии, технологические решения, стандартизацию, мониторинг и обучение персонала, основанный на современных стандартах и лучших практиках, значительно повышает надежность и эффективность систем. Инвестирование в качество данных становится стратегически важным для организаций на фоне растущих объемов данных и усложняющихся угроз.