Толкачева Е.В., Пынько Л.Е. Информационная безопасность нейронных сетей в оценках россиян: от профессиональных практик к личным

Научная статья
УДК 316.4:004.8
https://doi.org/10.24158/tipor.2026.9.7
 

Информационная безопасность нейронных сетей в оценках россиян:

от профессиональных практик к личным

 
Елена Вячеславовна Толкачева¹, Люсьена Евгеньевна Пынько^2
1Санкт-Петербургский государственный университет, Санкт-Петербург, Россия,
²Дальневосточный институт управления – филиал Российской академии
народного хозяйства и государственной службы, Хабаровск, Россия,
¹e-v-tolkacheva@ya.ru,https://orcid.org/0000-0003-1304-809X
²lusiena_03@mail.ru, https://orcid.org/0000-0002-8938-130X
 
Аннотация. В статье анализируются оценки россиянами проблем информационной безопасности нейронных сетей в условиях смещения акцента применения с профессиональных практик на личные при сохранении параллельного или гибридного использования. На основе МНК-регрессии выявляется связь между интенсивностью применения нейронных сетей и оценками россиянами их информационной безопасности. На примере больших языковых моделей по критерию Краскела-Уоллиса проверяется значимость различий в оценках их информационной безопасности между группами пользователей, распределенными по полу, возрасту и уровню образования. Полученные результаты свидетельствуют об однородности критического отношения к информационной безопасности независимо от пола и возраста, и наличии статистически значимых различий по уровню образования. Отмечается противоречие между принятием больших языковых моделей как инструмента и восприятием низкой защищенности пользователя. Указывается на целесообразность встраивания механизмов информационной защиты пользователей непосредственно в интерфейсы нейронных сетей.
Ключевые слова: нейронные сети, большие языковые модели, генеративные нейронные сети, информационная безопасность, защищенность пользователей
Финансирование: инициативная работа
Для цитирования: Толкачева Е.В., Пынько Л.Е. Информационная безопасность нейронных сетей в оценках россиян: от профессиональных практик к личным // Теория и практика общественного развития. 2026. № 9. С. 72–79. https://doi.org/10.24158/tipor.2026.9.7.
 
Original article
 

Information Security of Neural Networks in the Russians’ Assessments:

From Professional to Personal Practices

 
Elena V. Tolkacheva¹, Liuciena E. Puinko^2
1Saint Petersburg State University, St. Petersburg, Russia,
²Far Eastern Institute of Management, branch of the Russian Presidential Academy
of National Economy and Public Administration, Khabarovsk, Russia,
¹e-v-tolkacheva@ya.ru, https://orcid.org/0000-0003-1304-809X
²lusiena_03@mail.ru, https://orcid.org/0000-0002-8938-130X
 
Abstract. The article analyzes the Russians’ assessments of information security issues related to neural networks amid a shift in the emphasis of their use from professional practices to personal ones, while parallel or hybrid use is possessed. Drawing on OLS regression, the relationship between the intensity of neural network usage and the Russians’ assessments of neural network security is identified. With large language models as a case study, the Kruskal–Wallis test has been chosen to appoint a significance of the differences in assessments of their information security across the groups distributed by gender, age, and education level. The obtained results testify to the uniformity of critical attitude towards the information security apart from gender or age and the presence of statistically significant differences by education level. A contradiction between the adoption of large language models as a tool and the perception of low user security is highlighted. The study notes the advisability of embedding user protection mechanisms directly into the neural network interfaces.
Keywords: neural networks, large language models, generative neural networks, information security, user security
Funding: Independent work.
For citation: Tolkacheva, E.V. & Puinko, L.E. (2026) Information Security of Neural Networks in the Russians’ Assessments: From Professional to Personal Practices. Theory and Practice of Social Development. (9), 72–79. Available from: doi:10.24158/tipor.2026.9.7 (In Russian).

© Толкачева Е.В., Пынько Л.Е., 2026

Список источников:
 
Вебер М. Хозяйство и общество: очерки понимающей социологии. Социология: в 4 т. Т. 1. М., 2016. 448 с.
Волошина Е.А. Оценка социальных последствий внедрения искусственного интеллекта в условиях информационного общества // Технологии и социум: на пути к гармоничному развитию: сборник научных трудов по материалам Международной научно-практической конференции. 2026. С. 34–40.
Коваль Е.А. Образы (не)человеческого будущего в мире больших данных // Человек. 2024. Т. 35. № 6. С. 90–107. https://doi.org/10.31857/S0236200724060063.
Ладыжец Н.С. Социальные аспекты управления рисками и возможностями опережающего развития нейросетей // Вестник Удмуртского университета. Серия: Социология. Политология. Международные отношения. 2023. Т. 7. Вып. 2. С. 189–197. https://doi.org/10.35634/2587-9030-2023-7-2-189-197. EDN GJANWU.
Левашов В.К., Гребняк О.В. Россияне о вызовах искусственного интеллекта, нейронных сетей и социальном оптимизме // Социологические исследования. 2023. № 11. С. 115–120. https://doi.org/10.31857/S013216250028537-3.
Лукьянова Е.Д. Создание искусственного интеллекта: современные достижения и отложенные риски // Социологическая наука и социальная практика. 2019. Т. 7. № 1 (25). С. 142–148. https://doi.org/10.19181/snsp.2019.7.1.6275. EDN ZCWKVV.
Шалак В.И. Избавление от иллюзий ИИ на примере ChatGPT // Технологии в инфосфере. 2024. Т. 5. № 2 (15). С. 26–39. https://doi.org/10.48417/technolang.2024.02.03.
Cheng M., Lee A.Y., Rapuano K. et al. Metaphors of AI indicate that people increasingly perceive AI as warm and human-like // Communications Psychology. 2026. Vol. 4, No. 8. https://doi.org/10.1038/s44271-025-00376-6.
Choi Y., Zhunis A., Dong W. et al. Privacy disclosure to large language models: A large-scale study on awareness, benefits, and concerns in health contexts across three countries // Computers in Human Behavior Reports. 2025. Vol. 20. https://doi.org/10.1016/j.chbr.2025.100841.
Greussing E., Guenther L., Baram-Tsabari A. et al. The perception and use of generative AI for science-related information search: Insights from a cross-national study // Public Understanding of Science. 2025. Vol. 34, No. 5. P. 599–615. https://doi.org/10.1177/0963662525131234.
 
References:
 
Cheng, M., Lee, A.Y., Rapuano, K. et al. (2026) Metaphors of AI Indicate That People Increasingly Perceive AI as Warm and Human-Like. Communications Psychology. 4 (8). Available from: doi:10.1038/s44271-025-00376-6.
Choi, Y., Zhunis, A., Dong, W. et al. (2025) Privacy Disclosure to Large Language Models: A Large-Scale Study on Awareness, Benefits, and Concerns in Health Contexts across Three Countries. Computers in Human Behavior Reports. 20. Available from: doi:10.1016/j.chbr.2025.100841.
Greussing, E., Guenther, L., Baram-Tsabari, A. et al. (2025) The Perception and Use of Generative AI for Science-Related Information Search: Insights from a Cross-National Study. Public Understanding of Science. 34 (5), 599–615. Available from: doi:10.1177/0963662525131234.
Koval, E.A. (2024) Images of the (Non-)Human Future in the Big Data World. Human Being. 35 (6), 90–107. Available from: doi:10.31857/S0236200724060063 (In Russian)
Ladyzhets, N.S. (2023) Social Aspects of Managing Risks and Opportunities for Advanced Development of Neural Networks. Vestnik Udmurtskogo universiteta. Seriya: Sotsiologiya. Politologiya. Mezhdunarodnye otnosheniya. 7 (2), 189–197. Available from: doi:10.35634/2587-9030-2023-7-2-189-197. EDN GJANWU (In Russian)
Levashov, V.K. & Grebnyak, O.V. (2023) Russian Citizens on the Challenges of Artificial Intelligence, Neural Networks and Social Optimism. Sotsiologicheskie issledovaniya. (11), 115–120. Available from: doi:10.31857/S013216250028537-3 (In Russian)
Luk’yanova, E.D. (2019) Artificial Intelligence: Achievements and Postponed Risks. Sotsiologicheskaya nauka i sotsial’naya praktika. 7 (1 (25)), 142–148. Available from: doi:10.19181/snsp.2019.7.1.6275. EDN ZCWKVV (In Russian)
Shalak, V.I. (2024) Exposing Illusions – the Limits of AI by the Example of ChatGPT. Technology and Language. 5 (2 (15)), 26–39. Available from: doi:10.48417/technolang.2024.02.03 (In Russian)
Veber, M. (2016) Khozyaistvo i obshchestvo: ocherki ponimayushchei sotsiologii. Sotsiologiya: v 4 t. T. 1 [Economy and Society: An Outline of Interpretive Sociology. Sociology in 4 Volumes. Vol. 1]. Moscow. 448 p. (In Russian)
Voloshina, E.A. (2026) Otsenka sotsial’nykh posledstvii vnedreniya iskusstvennogo intellekta v usloviyakh informatsionnogo obshchestva [Assessment of the Social Consequences of Artificial Intelligence Implementation under the Information Society]. In: Tekhnologii i sotsium: na puti k garmonichnomu razvitiyu: sbornik nauchnykh trudov po materialam Mezhdunarodnoi nauchno-prakticheskoi konferentsii. pp. 34–40. (In Russian)