Алимжан Еркебулан

Меня зовут Алимжан Еркебулан. Родился в 19.03.2002 в городе Алматы. Окончил МУИТ/КазНУ по специальности Data Science/Big Data. Работаю работаю программистом в ИИВТ.

Причина, по которой я выбрал докторантуру, — желание расширить привычные границы и глубже понять сложные системы. Больше всего меня привлекает возможность своими руками строить мост между строгими формальными моделями и практическими прототипами. Поэтому я выбрал направление «Информационная безопасность»: здесь сходятся математика, программная инженерия и дизайн экспериментов, а результат сразу оценивается измеримыми метриками. Моя профессиональная база — машинное обучение и криптография. Я строю исследовательские конвейеры на Python и C и делаю эксперименты полностью воспроизводимыми: от сбора данных до автоматизации вычислительных сценариев. Для задач измерения лавинного эффекта в хэш-функциях, анализа диффузии по раундам, оценки вероятности ошибок я создал набор собственных инструментов; далее хочу адаптировать их для тестирования постквантовых криптосистем. В науке меня увлекает сочетание доказательной строгости и инженерной интуиции: с одной стороны — теоремы и метрики, с другой — реальные данные и устойчивые к шуму алгоритмы.

Эта мотивация ведет меня к трем крупным направлениям: постквантовая криптография, ML для задач безопасности и надежные программные инструменты. В первом моя цель — моделировать решеточные схемы, оценивать их дифференциальные свойства количественными метриками и экспериментально проверять устойчивость к побочным каналам. Во втором — проектировать модели адаптивной аутентификации и обнаружения сетевых аномалий и предлагать методики, уменьшающие ложные срабатывания. В третьем — собрать эталонные наборы данных для лабораторных работ и библиотеку с открытым исходным кодом: алгоритмы, тестовые сценарии и метрики оценки должны храниться в одном месте и быть структурированы так, чтобы другим их было легко воспроизвести. Эти направления побуждают меня ежедневно искать новые идеи: то я прибегаю к формальной верификации, чтобы усилить доказательную базу, то делаю визуальные анализы, чтобы понять поведение модели, то оптимизирую низкоуровневый код.

Главная цель в докторантуре — сформировать собственный научный стиль: уметь ставить точный вопрос, превращать его в измеримые гипотезы, аккуратно реплицировать результат и излагать его кратко и ясно. В течение трех лет планирую подготовить несколько качественных публикаций и собрать как минимум два рабочих прототипа — постквантовый модуль и компонент адаптивной аутентификации. Параллельно буду вести открытый репозиторий и систематизировать бенчмарк-данные, код и шаблоны отчетов. В долгосрочной перспективе хочу превратить свое исследование в небольшую команду и сформировать устойчивую экспериментальную культуру на стыке прикладного криптоанализа и ML-безопасности. Для меня этот путь не ради внешнего эффекта, а ради настоящей отработки собственных навыков и превращения получения нового знания в повседневную практику.