Использование нейросети в автоматизированной информационной системе кадровой безопасности предприятия

МИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ РФ
Национальный исследовательский Томский государственный университет
Томский государственный университет систем управления и радиоэлектроники
Болгарская Академия наук
ООО «Научно исследовательское предприятие «Лазерные технологии»
ИННОВАТИКА-2019
СБОРНИК МАТЕРИАЛОВ
XV Международной школы-конференции студентов,
аспирантов и молодых ученых
25–27 апреля 2019 г.
г. Томск, Россия
Под редакцией А.Н. Солдатова, С.Л. Минькова
Томск – 2019
ИСПОЛЬЗОВАНИЕ НЕЙРОСЕТИ В АВТОМАТИЗИРОВАННОЙ
ИНФОРМАЦИОННОЙ СИСТЕМЕ КАДРОВОЙ БЕЗОПАСНОСТИ
ПРЕДПРИЯТИЯ
И.Н. Ганиев
Национальный исследовательский Томский государственный университет
ganievIN@mail.ru
THE USE OF NEURAL NETWORKS IN AUTOMATED INFORMATION SYSTEM OF ENTERPRISE PERSONNEL SECURITY
I.N. Ganiev
National Research Tomsk State University
The research considers main components of personnel security of an enterprise.
The possibility of using neural network technology to ensure personnel security of the
enterprise is investigated. The use of neural networks in automated information systems
of the enterprise personnel security to check data such as skills set testing, psychological and behavioral responses tests, checking information about the employee while
getting employed, and intellectual tests.
Keywords: neural networks, personnel security, organization security, employee,
data verification.
Понятие «искусственные нейросети» впервые в научном мире было
введено в 40-х годах XX-го века. В 50-х годах прошлого века основным
назначением нейронных сетей являлось моделирование деятельности
нервной системы человека и животных и ее объяснение на логическом
уровне. Сегодня нейронные сети — это системы с широким спектром
использования в сфере самообучаемых систем [1]:
– экономика и бизнес;
– медицина и здравоохранение;
– автоматизация производства;
– робототехника;
– безопасность, охранные системы;
– ввод и обработка информации.
Основными свойствами нейронных сетей является обучение и самообучение, именно эти свойства искусственных нейронных сетей дают
возможность широко использовать данную технологию в прогнозах и
аналитических выводах в различных сферах деятельности человека. На
данный момент существуют следующие проблемы в использовании ней353
росети в автоматизированной информационной системе кадровой безопасности [2]:
–
высокая стоимость;
–
недообучение или переобучение системы;
–
уязвимость системы при выходе из строя.
Первой проблемой в использовании нейросети является её высокая
стоимость – на сегодняшний день она оценивается в 10-25 тысяч долларов. В 2015 году корпорация Intel впервые начала разработку в отрасли
микросхем для обработки нейронных сетей, которая, предполагается,
произведёт революцию в вычислительных системах и скорости логических анализов. Процессор Intel Nervana Neural Network Processor (Intel
Nervana NNP) на сегодняшний день является самым эффективным и скоростным [2].
Вторая проблема заключается в том, что при недообучении или переобучении нейросеть выдает неизвестные сведения за ошибку [3].
«Иначе говоря, надо чтобы нейронная сеть обладала способностью
обобщать результат на новые наблюдения. В действительности сеть обучается минимизировать ошибку на обучающем множестве, и в отсутствии идеального и бесконечно большого обучающего множества это совсем не то же самое, что минимизировать «настоящую» ошибку на поверхности ошибок в заранее неизвестной модели явления» [4].
Нейронные сети с большим числом весов моделируют более сложные
функции и, следовательно, склонны к переобучению. Сеть же с небольшим числом весов может оказаться недостаточно гибкой, чтобы смоделировать имеющуюся зависимость.
Третья проблема - уязвимость системы при выходе из строя как следствие несбалансированного набора данных. Данная проблема связана с
тем, что нейросети для обучения нужно практически пройти весь путь в
определённой предметной области для выявления каких-то результатов, а
любой урон системы приводит к тому, что нейросети необходимо обучатся заново.
В качестве вывода можно представить данный подход как основной
метод использования нейросети в автоматизированной информационной
системе кадровой безопасности предприятия (рис. 1).
Комплекс программного обеспечения для отбора персонала состоит
из трех основных частей [5]:

тестирование:
354

аналитический и логический анализ данных на основе процесса
Nervana 2017;

механизм выявления решения на основе нечетких множеств (эталонные значения).
Рис. 1. Использование нейросети в автоматизированной информационной системе
кадровой безопасности предприятия
Автоматизированная информационная система кадровой безопасности с мая 2018 находится в эксплуатации, а исследование по её модернизации продолжаются [5].
Основу кадровой безопасности составляют полные и достоверные
сведения о сотрудниках организации. Для достоверности информации
необходима проверка сведений о сотруднике. А для оценки кандидата на
355
вакантную должность необходимо использовать нейросети, которые
могут анализировать и логически выявить все достоинства и недостатки
кандидата [6].
Литература
1. Ежов А.А, Шумский С.А. Нейрокомпьютинг и его применение в экономике и бизнесе. М.: МИФИ, 1998. - 224с
2. Нейронные
сети
[Электронный
ресурс].
–
Режим
доступа:
http://statsoft.ru/home/textbook/modules/stneunet.html (дата обращения 12.12.2017);
3. Процессоры нейронной сети Intel® Nervana [Электронный ресурс]. – Режим доступа: https//ai.intel.com/intel-nervana-neural-network-processor-architecture-update/ (дата обращения 12.12.2017);
4. Прус А.И. Разработка нейронной сети прямого распространения для решения задач
прогнозирования и аппроксимации: магистерская диссертация [Электронный ресурс]. –
Режим доступа: https://dspace.spbu.ru/bitstream/11701/4999/1/Magisterskij_diplom_AP.pdf
(дата обращения 2.07.2018);
5. Система кадровой безопасности предприятия (КИБЭВС-1517) [Электронный ресурс]. – Режим доступа: https://gpo.tusur.ru/chairs/13/projects/1142 (дата обращения
12.12.2017);
6. Шегельман И.Р, Рудаков М.Н. Кадровая безопасность [Электронный ресурс]  Режим доступа: http://www.twirpx.com/file/671960 (дата обращения 17.11.2017).
356