Образование и ученая степень:
- Бакалавриат — МФТИ, специальность «прикладные математика и физика» (2017-2021 гг.);
- Магистратура — МФТИ, специальность «прикладные математика и физика» (2021-2023 гг.);
- Аспирантура — МФТИ специальность 1.2.1 «Искусственный интеллект и машинное обучение» (2023 г. — н.в.).
Область научных интересов: исследования в области доверенного искусственного интеллекта, особое внимание уделяется исследованиям на пересечении при одновременном обеспечении сразу нескольких критериев доверия (например, обеспечение одновременной интерпретируемости и защищенности моделей ИИ). AutoML. Домены данных: графы, изображения, временные ряды, табличные данные.
Опыт подготовки курсов/программ/лекций:
- преподаватель смены доверенного искусственного интеллекта в Сириусе;
- подготовка и проведение лекций в МГУ им. М.В. Ломоносова;
- разработка кандидатского экзамена и вступительного экзамена в аспирантуру по специальности 1.2.1.
Руководство/консультация по дипломным и курсовым работам за последние два года:
- «Сравнение методов свёрток графовых нейросетей», 2023/2024.
- «Усовершенствованный поиск архитектур в графовом autoML: расширение и динамическая приоритизация пространства поиска для повышения эффективности», 2024/2025.
- «Интерпретация отдельных нейронов в графовых нейросетевых алгоритмах обнаружения аномалий», 2023/2024.
- «Взаимосвязь интерпретируемости и защищенности моделей машинного обучения», 2024/2025.
- «Взаимосвязь методов защиты моделей машинного обучения от различных типов угроз», 2024/2025.
Публикации за последние два года:
- Adversarial Attacks and Defenses in Automated Control Systems: A Comprehensive Benchmark; 2024; Q1
- AADMIP: Adversarial Attacks and Defenses Modeling in Industrial Processes; 2024; A*
- Экстраполяция байесовского классификатора при неизвестном носителе распределения смеси двух классов 2024; Q1
- Model Mimic Attack: Knowledge Distillation for Provably Transferable Adversarial Examples 2025; A* (preprint)
- Robustness questions the interpretability of graph neural networks: what to do?; 2025; A* (preprint)
- Framework GNN-AID: Graph Neural Network Analysis Interpretation and Defense; 2025; A* (preprint)
- A study of graph neural networks for link prediction on vulnerability to membership attacks; 2023
- Так ли безопасна интерпретируемость ИИ: взаимосвязь интерпретируемости и защищенности моделей машинного обучения; 2024
- Дилемма защитника: совместимы ли методы защиты от разных атак на модели машинного обучения?; 2024
- Усовершенствованный поиск архитектур в графовом autoML: расширение и динамическая приоритизация пространства поиска для повышения эффективности; 2025
- Detecting and Eliminating Covariate Shifts in Data for a More Robust HDD Failure Prediction; 2024