Использование баз данных, защищенных авторскими правами, для развития машинного обучения в условиях ограничительных мер в РФ

Обложка

Цитировать

Полный текст

Открытый доступ Открытый доступ
Доступ закрыт Доступ предоставлен
Доступ закрыт Только для подписчиков

Аннотация

В статье проанализированы возможные способы учета авторских прав и интеллектуальной собственности правообладателей баз данных. Акцент сделан на становлении и развитии машинного обучения в условиях ограничительных мер в РФ. Проанализированы теоретические и практические подходы к возможной дифференциации целей и задач для использования информации из баз данных и учета интересов их правообладателей. Подготовлены предложения по совершенствованию в РФ нормативно-правого регулирования авторских прав на интеллектуальную собственность в условиях санкционного противостояния с целью стимулирования развития машинного обучения для получения слушателями дополнительных конкурентных преимуществ на национальном или международном рынке труда.

Об авторах

Михаил Александрович Афанасьев

Финансовый университет при Правительстве Российской Федерации

Автор, ответственный за переписку.
Email: maafanasev@fa.ru
SPIN-код: 9327-4536

кандидат юридических наук, доцент, Департамент правового регулирования экономической деятельности

Россия, г. Москва

Список литературы

  1. Шаймиева Э.Ш., Гумерова Г.И. Объекты интеллектуальной собственности образовательных организаций на цифровых платформах // Проблемы экономики и юридической практики. 2023. № 3. С. 267–273.
  2. Свиридова Е.А. Правовой режим базы данных как объекта авторских и смежных прав // Проблемы экономики и юридической практики. 2021. № 1. С. 140–145.
  3. Корчемкина О.А. Концептуальные основы законопроекта в сфере правового регулирования баз данных // Пробелы в российском законодательстве. 2015. № 3. С. 195–198.
  4. Бояринцева О.А. Актуальные вопросы правового регулирования баз данных, формируемых и используемых в сфере государственного и муниципального управления // Пробелы в российском законодательстве. 2019. № 4. С. 240–244.
  5. Астапов Р.Л., Мухамадеева Р.М. Автоматизация подбора параметров машинного обучения и обучение модели машинного обучения // Актуальные научные исследования в современном мире. 2021. № 5-2 (73). С. 34–37.
  6. Гирфанов А.И., Папаев Р.М., Загидуллин Л.Р. и др. Использование машинного обучения для исследования форм поведения животных // Международный форум Kazan Digital Week-2022: сб. матер. Междунар. форума / под общ. ред. Р.Н. Минниханова. Казань, 2022. С. 751–755.
  7. Поленок М.В., Бондаренко С.В., Козлова И.Р., Юркова О.Н. О методах машинного обучения при принятии управленческих решений в области здравоохранения // Вызовы цифровой экономики: тренды развития в условиях последствий пандемии COVID-19: сб. ст. IV Всерос. науч.-практ. конф., приуроченной к Году науки и технологий в России. Брянск, 2021. С. 225–229.
  8. Ахаткулов С.А., Омонов А.А. Применение алгоритмов машинного обучения для адаптивного обучения программированию // Инновационные технологии обучения физико-математическим и профессионально-техническим дисциплинам: матер. ХVI Междунар. науч.-практ. конф. Мозырь, 2024. С. 142–143.
  9. Горбунов П.М., Мацкевич Ю.А., Чубарь А.В. Машинное обучение. Автоматизация подбора модели машинного обучения // Робототехника и искусственный интеллект: матер. XIII Всерос. науч.-техн. конф. с междунар. участием. М., 2021. С. 155–160.
  10. Городничев Д.Ю. Машинное обучение и глубокое обучение // Современные проблемы лингвистики и методики преподавания русского языка в вузе и школе. 2022. № 38. С. 278–281.
  11. Салтанаева Е.А., Шакиров А.А., Гимаева А.Р. Сравнение традиционных методов машинного обучения и глубокого обучения // Научно-технический вестник Поволжья. 2023. № 12. С. 379–381.
  12. Акинин А.А. Подготовка баз данных для машинного обучения // Инженерные технологии: традиции, инновации, векторы развития: матер. X Всерос. науч.-практ. конф. с междунар. участием. Абакан, 2024. С. 6–7.
  13. Коновалов Г.Г. Применение машинного обучения для оптимизации запросов в системах управления базами данных // Международный журнал гуманитарных и естественных наук. 2023. № 10-2 (85). С. 58–61.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML

© Юр-ВАК, 2025

Ссылка на описание лицензии: https://www.urvak.ru/contacts/

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».