Stanislav Alexandrovich Fomin
Stanislav Alexandrovich Fomin has a total of 10 co-authors. Here are the top co-authors by number of shared publications:
- Boris Vladimirovich Kondrat’ev
Министерство обороны Российской Федерации
3 shared publications - Dmitry Olegovich Obydenkov
Институт системного программирования им. В.П. Иванникова РАН
3 shared publications - Yury Vital'Evich Markin
Институт системного программирования им. В.П. Иванникова РАН
3 shared publications - Aleksey Yur'Evich Yakushev
Trusted AI Research Center RAS, Moscow, Russian Federation
2 shared publications - Alexander Evgenevich Frolov
Институт системного программирования им. В.П. Иванникова РАН
2 shared publications - Alexander Vasilievich Kozachok
Ivannikov Institute for System Programming of the Russian Academy of Sciences
1 shared publication
Latest Publications
- 22 August 2026
- Published by Pleiades Publishing Ltd in Programming and Computer Software
- Vol. 52 (4) , 344-357
Data Augmentation for Machine Learning on Missing Data
The impact of missing data augmentation and class balancing methods on the prediction accuracy is studied. Results for missing and complete datasets are compared. A new algorithm called “drop-and-replace” for missing data imputation, augmentation, and class balancing is proposed. The quality of the drop-and-replace algorithm is compared to the quality of efficient and widely studied augmentation methods, such as SMOTE and mixup. For comparison, 7 datasets with sizes from 38 up to 70 000 are used. The target metric is balanced accuracy, and the nested cross-validation algorithm is used for validation. For the imputation of small datasets, the mean imputation method is used. The imputation of average or large datasets are performed using the MICE method of multivariate imputation by chained equations. The problem of training machine learning algorithms on missing data is studied in the probably approximately correct learning setting, or PAC learning. The increase of Vapnik–Chervonenkis dimension, or VC dimension, of the function set due to data imputation with one value from a finite set is evaluated. It is shown that the needed dataset size for PAC learning with sufficient accuracy, grows logarithmically slow with an increase in the filling set size. It is proved that drop-and-replace augmentation allows one to maximize balanced accuracy when learning on small linearly separable datasets containing missing values. For larger datasets, SMOTE and mixup augmentation methods are most efficient. For 8 datasets out of 11, data augmentation, which increments data size, increases classification accuracy; in 2 of 3 other cases, dataset balancing alone can improve classification accuracy; in the final case, the initial dataset is balanced and augmentation cannot increase classification accuracy. When learning on average and large datasets, in all 3 cases, augmentation more significantly improves accuracy for incomplete datasets than for complete ones. Thus, augmentation is more efficient when learning on missing data.
- 22 August 2026
- Published by Pleiades Publishing Ltd in Programming and Computer Software
- Vol. 52 (4) , 344-357
Data Augmentation for Machine Learning on Missing Data
The impact of missing data augmentation and class balancing methods on the prediction accuracy is studied. Results for missing and complete datasets are compared. A new algorithm called “drop-and-replace” for missing data imputation, augmentation, and class balancing is proposed. The quality of the drop-and-replace algorithm is compared to the quality of efficient and widely studied augmentation methods, such as SMOTE and mixup. For comparison, 7 datasets with sizes from 38 up to 70 000 are used. The target metric is balanced accuracy, and the nested cross-validation algorithm is used for validation. For the imputation of small datasets, the mean imputation method is used. The imputation of average or large datasets are performed using the MICE method of multivariate imputation by chained equations. The problem of training machine learning algorithms on missing data is studied in the probably approximately correct learning setting, or PAC learning. The increase of Vapnik–Chervonenkis dimension, or VC dimension, of the function set due to data imputation with one value from a finite set is evaluated. It is shown that the needed dataset size for PAC learning with sufficient accuracy, grows logarithmically slow with an increase in the filling set size. It is proved that drop-and-replace augmentation allows one to maximize balanced accuracy when learning on small linearly separable datasets containing missing values. For larger datasets, SMOTE and mixup augmentation methods are most efficient. For 8 datasets out of 11, data augmentation, which increments data size, increases classification accuracy; in 2 of 3 other cases, dataset balancing alone can improve classification accuracy; in the final case, the initial dataset is balanced and augmentation cannot increase classification accuracy. When learning on average and large datasets, in all 3 cases, augmentation more significantly improves accuracy for incomplete datasets than for complete ones. Thus, augmentation is more efficient when learning on missing data.
- Open Access
- 1 January 2021
- Published by Institute for System Programming of the Russian Academy of Sciences in Proceedings of the Institute for System Programming of the RAS
- Vol. 33 (6) , 161-174
Document Marking System for Leak Investigations
В статье представлена система расследования утечек конфиденциальных текстовых документов, где в качестве каналов утечек рассматриваются изображения, полученные путем сканирования/фотографирования напечатанных документов, а также фотографии документов на экране монитора. Таким образом, система нацелена на защиту каналов, не защищаемых традиционными DLP-решениями. В качестве механизма защиты документов выбрано внедрение цифрового водяного знака (ЦВЗ), предполагающее изменение визуального представления документа. В случае анонимной утечки конфиденциального документа ЦВЗ позволит установить сотрудника, допустившего утечку – намеренно или в результате нарушения протокола безопасности. В статье описана архитектура системы, состоящая из клиентской и серверной частей. На рабочие станции сотрудников устанавливаются компоненты, обеспечивающие внедрение ЦВЗ в документы, отправляемые на печать или выводимые на экран монитора. Факты маркирования документов регистрируются и отправляются на удаленный сервер, использующий данную информацию при расследовании утечек аналитиком службы безопасности. Разработаны алгоритмы маркирования для встраивания ЦВЗ в текстовые документы, выводимые на печать и экран монитора. При маркировании документа на экране монитора ЦВЗ встраивается в межстрочные интервалы: цифровая метка кодируется последовательностью затемненных и осветленных областей. Для встраивания ЦВЗ в печатаемые документы разработано три алгоритма маркирования: на основе горизонтального и вертикального смещения слов, а также посредством изменения яркости отдельных фрагментов слов. Разработана методика тестирования алгоритмов маркирования в условиях, приближенным к условиям эксплуатации, оценена область применимости алгоритмов. Проведен анализ вероятных атак на систему, и сформулирована модель нарушителя.
- 1 January 2021
- Published by Institute for System Programming of the Russian Academy of Sciences in Proceedings of the Institute for System Programming of the RAS
- Vol. 33 (6) , 161-174
Open AccessDocument Marking System for Leak Investigations
В статье представлена система расследования утечек конфиденциальных текстовых документов, где в качестве каналов утечек рассматриваются изображения, полученные путем сканирования/фотографирования напечатанных документов, а также фотографии документов на экране монитора. Таким образом, система нацелена на защиту каналов, не защищаемых традиционными DLP-решениями. В качестве механизма защиты документов выбрано внедрение цифрового водяного знака (ЦВЗ), предполагающее изменение визуального представления документа. В случае анонимной утечки конфиденциального документа ЦВЗ позволит установить сотрудника, допустившего утечку – намеренно или в результате нарушения протокола безопасности. В статье описана архитектура системы, состоящая из клиентской и серверной частей. На рабочие станции сотрудников устанавливаются компоненты, обеспечивающие внедрение ЦВЗ в документы, отправляемые на печать или выводимые на экран монитора. Факты маркирования документов регистрируются и отправляются на удаленный сервер, использующий данную информацию при расследовании утечек аналитиком службы безопасности. Разработаны алгоритмы маркирования для встраивания ЦВЗ в текстовые документы, выводимые на печать и экран монитора. При маркировании документа на экране монитора ЦВЗ встраивается в межстрочные интервалы: цифровая метка кодируется последовательностью затемненных и осветленных областей. Для встраивания ЦВЗ в печатаемые документы разработано три алгоритма маркирования: на основе горизонтального и вертикального смещения слов, а также посредством изменения яркости отдельных фрагментов слов. Разработана методика тестирования алгоритмов маркирования в условиях, приближенным к условиям эксплуатации, оценена область применимости алгоритмов. Проведен анализ вероятных атак на систему, и сформулирована модель нарушителя.
- Open Access
- 1 January 2021
- Published by Institute for System Programming of the Russian Academy of Sciences in Proceedings of the Institute for System Programming of the RAS
- Vol. 33 (5) , 65-82
Printed text documents watermarking based on vertical word shift and word fragments brightness changing
В статье представлены результаты разработки методов маркирования текстовых документов, представленных как растровое изображение. Важной особенностью алгоритмов является возможность обратного преобразования документа, что позволяет заменять метку на маркированном документе. Разработка относится к структурным алгоритмам маркирования на основе вертикальных сдвигов слов и изменения яркости отдельных фрагментов слов. В работе используются инструменты сегментирования для получения разметки текста в документе, БЧХ-коды для коррекции ошибок, метод максимизации правдоподобия для извлечения метки, нейронная сеть для восстановления искаженных слов. Тестирование показало практическую применимость разработанных алгоритмов маркирования при печати и сканировании текстовых документов.
- 1 January 2021
- Published by Institute for System Programming of the Russian Academy of Sciences in Proceedings of the Institute for System Programming of the RAS
- Vol. 33 (5) , 65-82
Open AccessPrinted text documents watermarking based on vertical word shift and word fragments brightness changing
В статье представлены результаты разработки методов маркирования текстовых документов, представленных как растровое изображение. Важной особенностью алгоритмов является возможность обратного преобразования документа, что позволяет заменять метку на маркированном документе. Разработка относится к структурным алгоритмам маркирования на основе вертикальных сдвигов слов и изменения яркости отдельных фрагментов слов. В работе используются инструменты сегментирования для получения разметки текста в документе, БЧХ-коды для коррекции ошибок, метод максимизации правдоподобия для извлечения метки, нейронная сеть для восстановления искаженных слов. Тестирование показало практическую применимость разработанных алгоритмов маркирования при печати и сканировании текстовых документов.
- Open Access
- 1 January 2021
- Published by Institute for System Programming of the Russian Academy of Sciences in Proceedings of the Institute for System Programming of the RAS
- Vol. 33 (4) , 147-162
Text documents screen watermarking by changing background brightness in the interline spacing
Утечка значительной части электронных документов происходит путем фотографирования экрана. Для расследования таких случаев применяются технологии data leakage prevention (DLP), в частности, внедрение цифровых водяных знаков (ЦВЗ) в изображение на экране. В статье представлен краткий обзор существующих методов внедрения ЦВЗ. Предложен подход к маркированию изображений текстовых документов, выведенных на экран. Цифровая метка внедряется в межстрочные интервалы текста путем незначительного изменения яркости. ЦВЗ неразличим для восприятия человеком, но может быть запечатлен на цифровую камеру. Разработан алгоритм извлечения цифровой метки из фотографии экрана. Алгоритм не требует изображение исходного документа для успешного извлечения ЦВЗ. Результаты тестирования показали, что цифровая метка устойчива к преобразованиям (атакам), возникающим в ходе фотографирования экрана. Предложен метод, позволяющий оценить корректность извлечения цифровой метки при отсутствии информации о встроенной цифровой метке.
- 1 January 2021
- Published by Institute for System Programming of the Russian Academy of Sciences in Proceedings of the Institute for System Programming of the RAS
- Vol. 33 (4) , 147-162
Open AccessText documents screen watermarking by changing background brightness in the interline spacing
Утечка значительной части электронных документов происходит путем фотографирования экрана. Для расследования таких случаев применяются технологии data leakage prevention (DLP), в частности, внедрение цифровых водяных знаков (ЦВЗ) в изображение на экране. В статье представлен краткий обзор существующих методов внедрения ЦВЗ. Предложен подход к маркированию изображений текстовых документов, выведенных на экран. Цифровая метка внедряется в межстрочные интервалы текста путем незначительного изменения яркости. ЦВЗ неразличим для восприятия человеком, но может быть запечатлен на цифровую камеру. Разработан алгоритм извлечения цифровой метки из фотографии экрана. Алгоритм не требует изображение исходного документа для успешного извлечения ЦВЗ. Результаты тестирования показали, что цифровая метка устойчива к преобразованиям (атакам), возникающим в ходе фотографирования экрана. Предложен метод, позволяющий оценить корректность извлечения цифровой метки при отсутствии информации о встроенной цифровой метке.