Актуальность проблемы обеспечения квантовой устойчивости национальных блокчейн-экосистем и платформ Цифровой экономики РФ объясняется появлением новой квантовой угрозы, ростом требований безопасности к критической информационной инфраструктуре РФ, ростом структуры и поведения блокчейнэкосистем и платформ, и уже недостаточностью (неспособностью) известных технологий (моделей, методов и средств) обеспечения информационной безопасности и киберустойчивости для решения задач обнаружения, нейтрализации и упреждения упомянутой угрозы. Достижения IBM, а также ряда других высокотехнологичных производителей квантовых компьютеров, убедительно свидетельствуют о реалистичности так называемой «квантовой угрозы». По этой причине в ряде технологических стран мира уже начали подготовку к противодействию будущим квантовым кибератакам.
Целью проводимых исследований является создание перспективной технологии (математические модели, методы и средства) мирового уровня для обеспечения квантовой устойчивости ведущих национальных блокчейн-экосистем и платформ Цифровой экономики РФ (Enterprise Ethereum Alliance, Waves Enterprise (Waves, Vostok), Hyperledger Fabric (Linux, IBM), Corda Enterprise, Мастерчейн, Microsoft Azure Blockchain и др.) в условиях ранее неизвестных кибератак злоумышленников с применением квантового компьютера, которая в отличие от известных технологий позволит упреждать приведение упомянутых блокчейн к существенным или катастрофическим последствиям. В том числе, разработать новые методы и алгоритмы анализа и параметрического синтеза квантово-устойчивых блокчейн-экосистем и платформ Цифровой экономики РФ, а также соответствующие методики и прототипы программных комплексов обеспечения квантовой устойчивости упомянутых блокчейн в условиях новой квантовой угрозы безопасности. Существенно, что предлагаемая технология, в отличие от известных технологий, позволяет упреждать приведение упомянутых блокчейн к существенным или катастрофическим последствиям в условиях ранее неизвестных атак злоумышленников с применением квантового компьютера.

D.Sc. (Tech.), Sirius University of Science and Technology, Russia

Technologies to counter the new quantum cyber threat

The relevance of ensuring the quantum resilience of national blockchain ecosystems and platforms in the Russian Federation's digital economy is explained by the emergence of a new quantum threat, growing security requirements for critical information infrastructure in the Russian Federation, the growth of the structure and behavior of blockchain ecosystems and platforms, and the insufficiency (inability) of known technologies (models, methods, and means) for ensuring information security and cyber resilience to detect, neutralize, and prevent the aforementioned threat. The achievements of IBM and a number of other high-tech quantum computer manufacturers provide strong evidence of the reality of the so-called “quantum threat.” For this reason, a number of technologically advanced countries around the world have already begun preparing to counter future quantum cyberattacks.
The goal of the research is to create promising world-class technology (mathematical models, methods, and tools) to ensure the quantum resilience 
of leading national blockchain ecosystems and platforms of the Russian Federation's digital economy (Enterprise Ethereum Alliance, Waves Enterprise (Waves, Vostok), Hyperledger Fabric (Linux, IBM), Corda Enterprise, Masterchain, Microsoft Azure Blockchain, etc.) in the face of previously unknown cyberattacks by malicious attackers using quantum computers, which, unlike existing technologies, will make it possible to prevent the aforementioned blockchains from suffering significant or catastrophic consequences. This includes developing new methods and algorithms for analyzing and parametrically synthesizing quantum-resistant blockchain ecosystems and platforms for the Russian digital economy, as well as corresponding methodologies and prototypes for software complexes to ensure the quantum resistance of these blockchains in the face of new quantum security threats. It is important to note that, unlike existing technologies, the proposed technology makes it possible to prevent the aforementioned blockchains from suffering significant or catastrophic consequences in the event of previously unknown attacks by malicious actors using quantum computers.

Кодирование временной информации – базовая функция биологических систем, лежащая в основе восприятия, обучения, принятия решений и синхронизации поведения. Несмотря на обширный массив эмпирических данных и разнообразие теоретических моделей, единой концепции временного кодирования по-прежнему нет. В докладе представлен обзор публикаций, посвящённых исследованиям запоминания, представления и воспроизведения временных интервалов живыми организмами, а также моделированию кодирования времени.
Рассматривается современное представление о нейронных коррелятах временного кодирования. Прослеживается эволюция подходов и моделей: от классических моделей внутреннего хронометра к более сложным сетевым, популяционным и байесовским концепциям. Обозначаются ключевые тенденции и сдвиги парадигм в моделировании запоминания и предсказания времени. Указываются ключевые свойства кодирования времени, наблюдаемые у большинства видов позвоночных.
Подробно описываются две фундаментальные модели – модель внутренних часов и теория скалярного ожидания. Обосновывается их значимость для теории управления, искусственного интеллекта и робототехники.

D.Sc. (Physics and Mathematics), Institute of Control Sciences, Russian Academy of Sciences, Russia.

The Problem of Time Encoding in Biologically Inspired Intelligent Systems

The encoding of temporal information  is a basic function of biological systems that underlies perception, learning, decision-making, and behavioral synchronization. Despite an extensive array of empirical data and a variety of theoretical models, there is still no unified concept of temporal encoding. The report provides an overview of publications dedicated to research on the memorization, representation, and reproduction of time intervals by living organisms, as well as the modeling of time encoding.
The modern understanding of neural correlates of time encoding is considered. The evolution of approaches and models is traced: from classical models of the internal chronometer to more complex network, population, and Bayesian concepts. Key trends and paradigm shifts in modeling memorization and prediction of time are outlined. The key properties of time encoding observed in most vertebrate species are indicated.
Two fundamental models are described in detail: the internal clock model and the Scalar Expectancy Theory. Their significance for control theory, artificial intelligence, and robotics is justified.

Многомерное прогнозирование временных рядов в сценариях передовых вычислений и его приложениях
Периферийные вычисления, ключевой фактор промышленной автоматизации умных городов, повышают оперативность реагирования в режиме реального времени за счет обработки данных вблизи источника. Однако его применение в многомерном прогнозировании временных рядов сталкивается с тремя критическими проблемами: ограничениями ресурсов, динамической топологией сетей и фрагментированными потоками данных, что приводит к сбою традиционных методов из-за жестких статических моделей, плохой адаптивности и компромисса между простотой конструкции и точностью. Для решенияэтих задач в данном исследовании предлагается новая структура с замкнутым циклом, объединяющаядинамические пространственно-временные примитивы, совместноемоделирование с учетом фрагментации и вывод, 
не связанный с топологией. Эта платформа представляет собой легкое автономное решение для промышленного Интернета вещей, интеллектуальных сетей и других периферийных сценариев, обеспечивающее баланс между эффективностью и точностью, а также надежность в динамичных средах.

Professor, Ph.D., The College of Computer Science and Technology, Harbin Engineering University, China

Multivariate Time Series Prediction in Edge Computing Scenarios and Its Applications

Edge computing, a key enabler of industrial automation and smart cities, enhances real-time responsiveness by processing data near the source. However, its application in multivariate time series prediction faces three critical challenges: resource constraints, dynamic network topologies, and fragmented data streams, which lead to the failure of conventional methods due to rigid static models, poor adaptability, and the trade-off between lightweight design and accuracy. To address these challenges, this study proposes a novel closed-loop framework integrating dynamic spatiotemporal primitives, fragmentation-aware joint modeling, and topology-decoupled inference. The framework provides a lightweight, autonomous solution for industrial IoT, smart grids, and other edge scenarios, balancing efficiency with accuracy while ensuring robustness in dynamic environments.

В докладе представлен обзор современного состояния в области моделей анализа надежности и выживаемости при наличии цензурированных данных, когда события не наблюдаются. Обзор включает современные модели, основанные на ансамблевых подходах в машинном обучении 
и на моделях внимания. Рассматриваются вопросы представления задачи анализа выживаемости в виде задачи классификации с неточными вероятностями событий. Особое внимание уделяется проблемам объяснения и интерпретации результатов предсказания моделей. Также рассматривается новое направление обучения на концептах и затронуты вопросы обучения на концептах в рамках анализа выживаемости 
и вопросы интерпретации на основе концептов.

D.Sc. (Tech.), Professor, Peter the Great St. Petersburg Polytechnic University, Russia

Risk Analysis, Reliability, and Survival Models: Current State, Latest Advances, and Applications in Industry and Medicine

The presentation provides an overview of the current state-of-the-art in reliability and survival analysis models under censored data, where events may go unobserved. The review covers contemporary models based on ensemble machine learning approaches and attention mechanisms. It examines 
the formulation of survival analysis as a classification problem with imprecise event probabilities. Particular focus is given to challenges in explaining 
and interpreting model prediction outcomes. The discussion also explores the emerging field of concept-based learning, addressing both concept-based approaches in survival analysis and concept-driven interpretation methods.

В докладе представлены научно-практические результаты исследований по разработке технологии раннего выявления и предупреждения угроз воздействия деструктивной информации на обучающихся образовательных организаций (на примере научно-технологического университета «Сириус»). Технология позволяет осуществлять непрерывный мониторинг мультимодальных данных – физиологических сигналов с носимых устройств, речевых и мимических реакций, активности в социальных сетях и межличностных взаимодействий в реальной жизни, поведенческих паттернов в ультраметрическом (p-адическом) пространстве, а также текстового контента – с целью раннего выявления признаков стресса или воздействия деструктивной информации на талантливую молодежь. Основными элементами разработанной системы являются: классификатор признаков стресса на основе физиологических данных, глубокие нейросетевые модели распознавания эмоций 
по голосу и мимике, алгоритмы анализа социальных графов, модели распространения информации по социальному графу, алгоритмы анализа текстового и мультимедийного контента с использованием дообученных моделей глубокого обучения, а также ансамблевый классификатор 
на основе метода адаптивного бустинга (AdaBoost), агрегирующий данные всех источников. Для каждого компонента приводится математическая формализация. Работа демонстрирует, что междисциплинарный подход, основанный на применении современных парадигм искусственного интеллекта, способен существенно повысить уровень информационной и психологической безопасности обучающихся.

D.Sc. (Tech.), Associate Professor, Sirius University of Science and Technology, Russia

Technology for early detection of threats to the information and psychological security of students at educational institutions in the Sirius Federal Territory based on artificial intelligence models and methods

The report presents scientific and practical results of research on the development of technology for early detection and prevention of threats posed 
by destructive information to students of educational institutions (using the example of the Sirius University of Science and Technology). The technology enables continuous monitoring of multimodal data – physiological signals from wearable devices, speech and facial expressions, activity on social networks and interpersonal interactions in real life, behavioral patterns in ultrametric (p-adic) space, as well as text content – with the aim of early detection of signs of stress or the impact of destructive information on talented young people. The main elements of the developed system are: a stress symptom classifier based on physiological data, deep neural network models for recognizing emotions from voice and facial expressions, social graph analysis algorithms, models for information dissemination across social graphs, algorithms for analyzing text and multimedia content using retrained deep learning models, as well as an ensemble classifier based on the adaptive boosting (AdaBoost) method, which aggregates data from all sources. 
A mathematical formalization is provided for each component. The work demonstrates that an interdisciplinary approach based on the application 
of modern artificial intelligence paradigms can significantly improve the level of information and psychological security of students.

Разработана кластерная модель защиты информации, которая является расширением «классической» модели защиты информации с полным перекрытием. Кластерная модель позволяет формально описывать защиту при решении задач анализа и синтеза информационных систем. 
В кластерной модели защиты проблема точности формальной модели решается определением средств защиты, субъектов и объектов доступа 
в качестве функционально-информационных модулей, декомпозицией информационных связей между модулями на физические, синтаксические и семантические отношения с учетом их функциональных свойств существенных для обработки и защиты информации, формированием кластерной структуры, формально отражающей политику разграничения доступа и конструктивную защиту, с последующей оценкой безопасности статической или динамической топологии системы и эффективности средств защиты. Показан подход к анализу конструктивной защиты информационных систем на примере технологии распределенного реестра, возможность учета влияния на безопасность архитектуры политики доступа и угроз безопасности. Использованы методы теорий графов, матриц, модульно-кластерных сетей 
и системного анализа.

D.Sc. (Tech.), Sirius University of Science and Technology, Russia

Cluster model of information security

A cluster model of information protection has been developed, which is an extension of the "classical" information protection model with full disclosure. The cluster model allows us to formally describe protection when solving problems of information systems analysis and synthesis. In the cluster protection model, the problem of accuracy of the formal model is solved by defining the means of protection, subjects and access objects as functional information mod-ules, decomposing information links between modules into physical, syntactic and semantic relationships, taking into account their functional properties essential for information processing and protection, and forming a cluster structure that formally reflects access control policy 
and constructive protection, followed by an assessment of the security of the static or dynamic topology of the system and the effectiveness of security measures. An approach to the analysis of constructive protection of information systems is shown using the example of distributed registry technology, the possibility of taking into account the impact of access policy architecture and security threats on security. The methods of graph theory, matrix theory, modular cluster networks, and system analysis are used.

Поворотный момент в развитии компьютерных наук: генеративные большие языковые модели — это не всё, что нам нужно
Одной из актуальных задач развития компьютерных наук является повышение реальной производительности гибридных суперкомпьютеров, работающих в режимах центров коллективного пользования. В случае выбора критерия оптимизации на основе меры реальной производительности, требуется найти конструктивное решение целого ряда не только технологических, но и фундаментальных задач, часть из которых не имеет конечного алгоритмического описания, например, фундаментальная задача «останова». В докладе применительно к задаче управления ресурсами современных гибридных суперкомпьютеров обсуждаются методы повышения их реальной производительности на основе использования методов концептуального машинного обучение и применения специализированных трансформеров генеративных лингвистических моделей, изобретение которых стало поворотным пунктом в развитии компьютерных наук. В докладе показано, что применение лингвистических моделей без учета концептуальных требований и объяснения генерируемых результатов, может приводить к ошибочным выводам.
Основная идея предлагаемых подходов заключается в использовании результатов решения потока прикладных задач, размеченных диспетчером суперкомпьютера. Именно эти данные используются для обучения, так как они содержат в себе скрытые от явного наблюдения характеристики, такие как функции «выживаемости» прикладных задач, которые тем не менее и определяют функцию распределения вероятностей успешного решения задачи за заданное диспетчером время. Применение концептуальных моделей для управления ресурсами суперкомпьютеров позволяет повысить количество успешно завершенных прикладных задач, а применение механизмов внимания, самовнимания и многомерного внимания повышает точность оценок времени решения задач за счет учета контекстных условий, представленных в форме персональных моделей пользовательских компетенций. В докладе показано, что реальная производительность суперкомпьютерных платформ может быть повышена за счет использования экзоинтеллектуальной памяти-ориентированной вычислительной архитектуры со встроенным механизмом машинного обучения и накопления данных о результатах проведенных вычислений. Такую архитектуру можно рассматривать как альтернативу традиционному подходу к экстенсивному росту компьютерных ресурсов на основе применения специализированных графических ускорителей и программируемых логических интегральных микросхем.

D.Sc. (Tech.), Professor, Peter the Great St. Petersburg Polytechnic University, Russia

A turning point in the development of computer science: generative large language models are not all we need

One of the pressing tasks in the development of computer science is increasing the actual performance of hybrid supercomputers operating in shared-use center modes. In the case of choosing an optimization criterion based on a measure of real productivity, it is necessary to find a constructive solution to a number of not only technological but also fundamental problems, some of which do not have a final algorithmic description, for example, fundamental halting problem of Turing machine. The report discusses methods for improving the actual performance of modern hybrid supercomputers based on the use of conceptual machine learning methods and the application of specialized transformers of generative linguistic models, the invention of which became a turning point in the development of computer science. The report shows that the usage of linguistic models without consideration of conceptual requirements and explanation of the generated results can lead to erroneous conclusions.
The main idea behind the proposed approaches is to use the results of solving a flow of applied problems marked by the supercomputer dispatcher. 
The utilization of conceptual models for managing supercomputer resources enables an increase in the number of successfully completed application tasks, while the application of attention, self-attention, and multidimensional attention mechanisms improves the accuracy of task completion time estimates by taking into account contextual conditions represented in the form of personal models of user competencies. The report shows that the actual performance of supercomputer platforms can be improved by using exo-intelligent memory-oriented computing architecture with a built-in machine learning mechanism and storage of data on the results of calculations performed. This architecture can be considered as an alternative to the traditional approach to extensive growth of computer resources based on the use of specialized graphics accelerators and programmable logic integrated circuits.