🧪 🔬 Представленная работа

Доклад 1. «Adaptive Parameter Aggregation in Federated Learning for Synchronizing Digital Twins of Manufacturing Processes Under Seasonality and Data Drift»
Авторы: Gulshat Amirkhanova, Liya Bektemir, Tomiris Nurgazy, Alikhan Amirkhanov

Суть: метод адаптивной агрегации параметров модели в федеративном обучении для синхронизации цифровых двойников распределённых производственных систем. Алгоритм корректирует веса локальных моделей по трём коэффициентам — сезонной корреляции, статистическому дрейфу распределений и надёжности периферийного узла. На открытых IIoT-датасетах метод дал прирост F1-меры обнаружения аномалий на 22% относительно базового FedAvg в условиях сезонности и дрейфа.

Доклад 2. «Cognitive Armor: AI-Powered Communication Security for the Digital Twin Era»
Авторы: Saltanat Adilzhanova, Gulshat Amirkhanova, Bauyrzhan Amirkhanov, Dana Sybanova, Murat Kunelbayev

Суть: единый ИИ-фреймворк безопасности коммуникаций, обеспечивающий целостность, подлинность и устойчивость данных в разнородных средах — от промышленных экосистем цифрового двойника до корпоративной почты. В промышленном контуре объединяет машинное обучение, обработку естественного языка (NLP) и поведенческую аналитику для защиты обмена данными между поставщиками, производителями и системами контроля качества, включая верификацию цепочки поставок и мониторинг соответствия HACCP.