dm/pipeline.html - master - CEPBEP/OPS

dm/pipeline.html
1 353 строки61 KB
George Kwa
Increase circle radius in SVG pipeline diagram
19 ноя 2025, 14:43
19 ноя 2025, 14:43731c141
<!doctype html>
<html lang="ru">
<head>
  <meta charset="utf-8" />
  <title>Адаптивный мультиканальный пайплайн: сигналы, мозг и законодательство</title>
  <meta name="viewport" content="width=device-width, initial-scale=1" />
  <style>
    :root {
      --bg:#f5f7fb;
      --card:#ffffff;
      --accent:#2563eb;
      --accent-soft:#e0ecff;
      --accent-strong:#1d4ed8;
      --accent-green:#16a34a;
      --accent-red:#dc2626;
      --accent-violet:#7c3aed;
      --ink:#111827;
      --muted:#6b7280;
      --border:#e5e7eb;
      --shadow:0 14px 30px rgba(15,23,42,0.08);
      --radius-lg:18px;
      --radius-md:12px;
    }

    * {
      box-sizing:border-box;
      margin:0;
      padding:0;
    }

    body {
      font-family:-apple-system,BlinkMacSystemFont,"SF Pro Text","Segoe UI",system-ui,sans-serif;
      background:radial-gradient(circle at top left,#e0edff,#f5f7fb 45%,#eef2ff 100%);
      color:var(--ink);
      -webkit-font-smoothing:antialiased;
    }

    .page {
      max-width:1180px;
      margin:0 auto;
      padding:24px 16px 40px;
    }

    .header {
      background:linear-gradient(135deg,#fafcff,#e0ecff);
      border-radius:var(--radius-lg);
      padding:22px 20px 24px;
      box-shadow:var(--shadow);
      position:relative;
      overflow:hidden;
      margin-bottom:24px;
    }

    .header::before {
      content:"";
      position:absolute;
      inset:-40%;
      background:radial-gradient(circle at top right,rgba(96,165,250,0.4),transparent 60%);
      opacity:0.6;
      pointer-events:none;
    }

    .header-inner {
      position:relative;
      z-index:1;
      display:flex;
      flex-wrap:wrap;
      gap:18px;
      align-items:flex-start;
    }

    .header-text {
      flex:1 1 260px;
    }

    .header-badge {
      display:inline-flex;
      align-items:center;
      gap:8px;
      padding:4px 10px;
      border-radius:999px;
      background:#eef2ff;
      color:#4b5563;
      font-size:12px;
      margin-bottom:8px;
    }

    .header-badge span {
      font-size:16px;
    }

    h1 {
      font-size:24px;
      font-weight:700;
      margin-bottom:6px;
      color:#0f172a;
    }

    .subtitle {
      font-size:14px;
      color:var(--muted);
      max-width:620px;
      line-height:1.55;
      margin-bottom:10px;
    }

    .header-tags {
      display:flex;
      flex-wrap:wrap;
      gap:8px;
      margin-top:6px;
    }

    .tag {
      font-size:11px;
      padding:4px 8px;
      border-radius:999px;
      border:1px solid rgba(148,163,184,0.7);
      background:rgba(255,255,255,0.9);
      backdrop-filter:blur(10px);
      color:#374151;
    }

    .header-viz {
      flex:1 1 260px;
    }

    #pipelineCanvas {
      width:100%;
      height:220px;
      display:block;
      border-radius:var(--radius-md);
      background:radial-gradient(circle at center,#e5edff,#f5f7ff 60%,#e0ecff 100%);
      box-shadow:0 10px 22px rgba(15,23,42,0.1);
    }

    main {
      margin-top:8px;
    }

    .section {
      margin-top:26px;
      background:var(--card);
      border-radius:var(--radius-lg);
      box-shadow:var(--shadow);
      padding:18px 18px 22px;
    }

    .section-header {
      display:flex;
      align-items:center;
      gap:10px;
      margin-bottom:10px;
    }

    .section-icon {
      width:28px;
      height:28px;
      border-radius:999px;
      background:#e0ecff;
      display:flex;
      align-items:center;
      justify-content:center;
      font-size:16px;
    }

    .section-title {
      font-size:18px;
      font-weight:600;
      color:#111827;
    }

    .section-intro {
      font-size:14px;
      color:var(--muted);
      margin-bottom:12px;
      line-height:1.55;
    }

    /* Пайплайн: навигация и панели */

    .pipeline-shell {
      display:flex;
      flex-wrap:wrap;
      gap:14px;
    }

    .pipeline-left {
      flex:2 1 280px;
    }

    .pipeline-right {
      flex:1.4 1 260px;
    }

    .stage-pills {
      display:flex;
      flex-wrap:wrap;
      gap:6px;
      margin-bottom:10px;
    }

    .stage-pill {
      border-radius:999px;
      border:1px solid var(--border);
      background:#f9fafb;
      padding:4px 10px;
      font-size:11px;
      display:inline-flex;
      align-items:center;
      gap:6px;
      cursor:pointer;
      transition:all 0.16s ease;
      color:#4b5563;
    }

    .stage-pill span.num {
      display:inline-flex;
      align-items:center;
      justify-content:center;
      width:18px;
      height:18px;
      border-radius:999px;
      background:#e5e7eb;
      font-size:11px;
      font-weight:600;
      color:#111827;
    }

    .stage-pill.active {
      background:linear-gradient(135deg,#2563eb,#1d4ed8);
      color:#f9fafb;
      border-color:transparent;
    }

    .stage-pill.active span.num {
      background:rgba(15,23,42,0.28);
      color:#e5e7eb;
    }

    .pipeline-panel {
      margin-top:10px;
      border-radius:var(--radius-md);
      background:#f9fafb;
      border:1px solid var(--border);
      padding:10px 12px 11px;
      display:none;
      animation:fadeIn 0.18s ease-out;
    }

    .pipeline-panel.active {
      display:block;
    }

    .panel-title {
      font-size:14px;
      font-weight:600;
      margin-bottom:4px;
      color:#111827;
    }

    .panel-meta {
      font-size:11px;
      color:var(--muted);
      margin-bottom:6px;
    }

    .panel-body {
      font-size:13px;
      color:#374151;
      line-height:1.55;
    }

    .panel-body ul {
      padding-left:16px;
      margin-top:4px;
    }

    .panel-body li {
      margin-bottom:2px;
    }

    /* SVG-пайплайн */

    .svg-wrapper {
      margin-top:12px;
      background:linear-gradient(#f9fafb,#ffffff);
      border-radius:var(--radius-md);
      border:1px dashed #d1d5db;
      padding:8px;
    }

    svg {
      width:100%;
      height:120px;
      display:block;
    }

    .svg-stage-node circle {
      fill:#e5edff;
      stroke:#bfdbfe;
      stroke-width:2;
      transition:all 0.18s ease;
      cursor:pointer;
    }

    .svg-stage-node text {
      font-size:10px;
      fill:#4b5563;
      text-anchor:middle;
      pointer-events:none;
    }

    .svg-stage-node.active circle {
      fill:#2563eb;
      stroke:#1d4ed8;
    }

    .svg-stage-node.active text {
      fill:#ffffff;
      font-weight:600;
    }

    .svg-connector {
      stroke:#c4c9d4;
      stroke-width:2;
      stroke-dasharray:4 4;
    }

    /* Правый блок (слой права / мозг / Frey+infra) */

    .side-card {
      border-radius:var(--radius-md);
      padding:10px 10px;
      background:#fdfefe;
      border:1px solid #e5e7eb;
      font-size:12px;
      color:#374151;
      line-height:1.5;
    }

    .side-card h4 {
      font-size:13px;
      margin-bottom:4px;
      color:#111827;
    }

    .side-chip {
      display:inline-block;
      padding:2px 8px;
      font-size:11px;
      border-radius:999px;
      border:1px solid rgba(148,163,184,0.7);
      background:#eff6ff;
      margin-bottom:5px;
    }

    .side-list {
      padding-left:16px;
      margin-top:4px;
    }

    .side-list li {
      margin-bottom:2px;
    }

    .side-highlight {
      margin-top:6px;
      padding:6px 8px;
      border-radius:8px;
      background:#fefce8;
      border-left:3px solid #facc15;
      font-size:11px;
      color:#854d0e;
    }

    /* Библиотеки и стек */

    .stack-grid {
      display:grid;
      grid-template-columns:repeat(auto-fit,minmax(240px,1fr));
      gap:10px;
      margin-top:8px;
    }

    .stack-card {
      border-radius:var(--radius-md);
      border:1px solid var(--border);
      background:#f9fafb;
      padding:9px 10px;
      font-size:12px;
      color:#374151;
    }

    .stack-card h4 {
      font-size:13px;
      margin-bottom:4px;
      color:#111827;
    }

    .stack-label {
      display:inline-block;
      padding:2px 6px;
      font-size:10px;
      border-radius:999px;
      background:#e0f2fe;
      color:#0369a1;
      margin-bottom:4px;
    }

    .stack-card ul {
      padding-left:14px;
      margin-top:2px;
    }

    .stack-card li {
      margin-bottom:2px;
    }

    /* Законодательный слой */

    .law-grid {
      display:grid;
      grid-template-columns:repeat(auto-fit,minmax(260px,1fr));
      gap:10px;
      margin-top:8px;
    }

    .law-card {
      border-radius:var(--radius-md);
      border-left:3px solid #d1d5db;
      background:#f9fafb;
      padding:8px 9px 9px;
      font-size:12px;
      color:#374151;
    }

    .law-card h4 {
      font-size:13px;
      margin-bottom:3px;
      color:#111827;
    }

    .law-card p {
      margin-bottom:3px;
    }

    .law-severity {
      display:inline-block;
      padding:2px 8px;
      border-radius:999px;
      font-size:10px;
      margin-top:2px;
    }

    .sev-high {
      background:#fee2e2;
      color:#b91c1c;
    }

    .sev-mid {
      background:#ffedd5;
      color:#c2410c;
    }

    .sev-info {
      background:#e0f2fe;
      color:#075985;
    }

    .law-card.red {
      border-left-color:var(--accent-red);
    }

    .law-card.blue {
      border-left-color:var(--accent);
    }

    .law-card.violet {
      border-left-color:var(--accent-violet);
    }

    .law-note {
      margin-top:8px;
      border-radius:10px;
      border-left:4px solid #facc15;
      padding:7px 9px;
      font-size:11px;
      color:#854d0e;
      background:#fefce8;
    }

    /* BCI и мозговая активность */

    .bci-layout {
      display:grid;
      grid-template-columns:repeat(auto-fit,minmax(260px,1fr));
      gap:12px;
      margin-top:8px;
    }

    .bci-card {
      border-radius:var(--radius-md);
      border:1px solid var(--border);
      background:#f9fafb;
      padding:8px 10px 9px;
      font-size:12px;
      color:#374151;
    }

    .bci-card h4 {
      font-size:13px;
      margin-bottom:4px;
    }

    .bci-card ul {
      padding-left:14px;
    }

    .bci-card li {
      margin-bottom:2px;
    }

    .bci-pill {
      display:inline-block;
      padding:2px 7px;
      font-size:10px;
      border-radius:999px;
      background:#e0f2fe;
      color:#0369a1;
      margin-bottom:4px;
    }

    .bci-limit {
      margin-top:5px;
      font-size:11px;
      color:#6b7280;
      background:#eff6ff;
      border-radius:8px;
      padding:6px 8px;
    }

    /* Frey + инфразвук */

    .combo-grid {
      display:grid;
      grid-template-columns:repeat(auto-fit,minmax(240px,1fr));
      gap:10px;
      margin-top:10px;
    }

    .combo-card {
      border-radius:var(--radius-md);
      border:1px solid var(--border);
      background:#f9fafb;
      padding:8px 10px;
      font-size:12px;
      color:#374151;
    }

    .combo-card h4 {
      font-size:13px;
      margin-bottom:4px;
    }

    .chip-frey {
      background:#e0f2fe;
      color:#1d4ed8;
    }

    .chip-infra {
      background:#ede9fe;
      color:#6d28d9;
    }

    .combo-chip {
      display:inline-block;
      padding:2px 8px;
      font-size:10px;
      border-radius:999px;
      margin-bottom:4px;
    }

    .combo-card ul {
      padding-left:14px;
    }

    /* Пример сценария */

    .example {
      font-size:12px;
      color:#374151;
      line-height:1.55;
    }

    .example-code {
      margin-top:5px;
      background:#f9fafb;
      border-radius:8px;
      border:1px solid #e5e7eb;
      padding:6px 8px;
      font-family:SFMono-Regular,Menlo,Monaco,Consolas,"Liberation Mono","Courier New",monospace;
      font-size:11px;
      white-space:pre-line;
    }

    /* Практический вывод */

    .summary {
      margin-top:10px;
      border-radius:var(--radius-lg);
      background:linear-gradient(135deg,#ecfdf5,#e0f2fe);
      border:1px solid #bbf7d0;
      padding:10px 12px 11px;
      font-size:12px;
      color:#064e3b;
    }

    .summary-grid {
      display:grid;
      grid-template-columns:repeat(auto-fit,minmax(260px,1fr));
      gap:8px;
      margin-top:4px;
    }

    .summary-block {
      padding:4px 2px;
    }

    .summary-block h4 {
      font-size:13px;
      margin-bottom:3px;
    }

    .summary-block ul {
      padding-left:14px;
    }

    .summary-block li {
      margin-bottom:2px;
    }

    @keyframes fadeIn {
      from {opacity:0; transform:translateY(4px);}
      to   {opacity:1; transform:translateY(0);}
    }

    @media (max-width:768px) {
      .header-inner {
        flex-direction:column;
      }
      #pipelineCanvas {
        height:200px;
      }
    }
  </style>
</head>
<body>
<div class="page">
  <header class="header">
    <div class="header-inner">
      <div class="header-text">
        <div class="header-badge">
          <span>🧩</span>
          <span>Мультиканальный пайплайн: сигналы → модели → право</span>
        </div>
        <h1>Адаптивный пайплайн анализа сигналов и автоматического сопоставления с законодательством</h1>
        <p class="subtitle">
          Единая схема, которая собирает многомодальные данные (видео, аудио, текст, физиология, ЭЭГ/fMRI),
          пропускает их через стек моделей (ASR, NLP, эмоции, BCI-декодирование) и на выходе формирует
          юридически ориентированную картину рисков по статьям УК РФ и смежным нормам, с обязательным участием человека.
        </p>
        <div class="header-tags">
          <span class="tag">ASR · NLP · Emotion AI</span>
          <span class="tag">Non-invasive BCI (EEG, fMRI)</span>
          <span class="tag">Frey + инфразвук как сенсорный контекст</span>
          <span class="tag">Автосопоставление с УК РФ</span>
          <span class="tag">Пример: массив 25×4ч видео + голосовые + переписки</span>
        </div>
      </div>
      <div class="header-viz">
        <canvas id="pipelineCanvas"></canvas>
      </div>
    </div>
  </header>

  <main>
    <!-- 1. Каркас пайплайна -->
    <section class="section">
      <div class="section-header">
        <div class="section-icon">📡</div>
        <div class="section-title">1. Каркас пайплайна: от сигналов до правовой оценки</div>
      </div>
      <p class="section-intro">
        Ниже — логика конвейера уровня «система безопасности / НКО / экспертная платформа». Он охватывает
        всё: от многоканального сбора сигналов до автоматического сопоставления событий с текущим
        российским законодательством и формирования отчётов для человека-эксперта.
      </p>

      <div class="pipeline-shell">
        <div class="pipeline-left">
          <div class="stage-pills" id="stagePills">
            <button class="stage-pill" data-stage="1">
              <span class="num">1</span> Ингест и нормализация сигналов
            </button>
            <button class="stage-pill" data-stage="2">
              <span class="num">2</span> Предобработка и сегментация
            </button>
            <button class="stage-pill" data-stage="3">
              <span class="num">3</span> Модели: ASR, NLP, эмоции, BCI
            </button>
            <button class="stage-pill" data-stage="4">
              <span class="num">4</span> Семантика и событийная модель
            </button>
            <button class="stage-pill" data-stage="5">
              <span class="num">5</span> Автосопоставление с УК РФ
            </button>
            <button class="stage-pill" data-stage="6">
              <span class="num">6</span> Верификация, отчёты, аудит
            </button>
          </div>

          <!-- Панели этапов -->
          <div id="stagePanels">
            <div class="pipeline-panel" data-stage="1">
              <div class="panel-title">Этап 1. Ингест и нормализация сигналов</div>
              <div class="panel-meta">Вход: сырые данные из разных источников • Выход: единый репозиторий с хешами и метаданными</div>
              <div class="panel-body">
                <ul>
                  <li><strong>Видео и аудио.</strong> 25 видеозаписей по 4 часа, десятки голосовых сообщений, микрофонные потоки.</li>
                  <li><strong>Текст.</strong> Переписки, документы, лог-файлы, транскрипты заседаний.</li>
                  <li><strong>BCI и физиология.</strong> Сырые ЭЭГ-записи, fNIRS/fMRI-серии, пульс, вариабельность сердечного ритма.</li>
                  <li><strong>Технический уровень.</strong> Приведение к единым форматам (контейнеры, кодеки, частоты дискретизации),
                    расчёт криптографических хешей, фиксация цепочки сохранности (chain of custody).</li>
                </ul>
              </div>
            </div>

            <div class="pipeline-panel" data-stage="2">
              <div class="panel-title">Этап 2. Предобработка и сегментация сигналов</div>
              <div class="panel-meta">Вход: нормализованные потоки • Выход: сегменты речи, событий и мозговой активности</div>
              <div class="panel-body">
                <ul>
                  <li><strong>VAD и диаризация.</strong> Выделение участков речи, разделение говорящих, нарезка длинных записей на удобные окна.</li>
                  <li><strong>Извлечение аудио из видео.</strong> Привязка тайм-кодов к кадрам для последующей вербализации событий.</li>
                  <li><strong>BCI-предобработка.</strong> Фильтрация ЭЭГ (полосовые и пространственные фильтры), коррекция движений и артефактов,
                    привязка к стимульным событиям (что человек видел/слушал в конкретный момент).</li>
                  <li><strong>Индексация.</strong> Каждому сегменту присваиваются метки: ID источника, тип сигнала, временной интервал, вероятность качества.</li>
                </ul>
              </div>
            </div>

            <div class="pipeline-panel" data-stage="3">
              <div class="panel-title">Этап 3. Модели: ASR, NLP, эмоции, BCI-декодирование</div>
              <div class="panel-meta">Вход: сегменты • Выход: тексты, эмбеддинги, эмоциональные профили, реконструкции восприятия</div>
              <div class="panel-body">
                <ul>
                  <li><strong>ASR (распознавание речи).</strong> Нейросетевые модели уровня Whisper: многоканальная русская речь, сленг, код-переключение.</li>
                  <li><strong>NLP.</strong> Токенизация, лемматизация, NER, синтаксис, извлечение актов речи (угрозы, планы, призывы, признания).</li>
                  <li><strong>Emotion / paralinguistics.</strong> Анализ голоса и текста: агрессия, страх, сарказм, радикальная риторика.</li>
                  <li><strong>BCI-декодирование.</strong> Модели по мотивам современных работ по fMRI/EEG-декодированию (например, визуальные реконструкции
                    типа Mind-Vis): получение грубых представлений о видимых/представляемых образах и категориях, <em>строго в экспериментальном формате</em>.</li>
                </ul>
              </div>
            </div>

            <div class="pipeline-panel" data-stage="4">
              <div class="panel-title">Этап 4. Семантика, граф событий и связи</div>
              <div class="panel-meta">Вход: выводы моделей • Выход: граф «кто–что–кому–когда–как»</div>
              <div class="panel-body">
                <ul>
                  <li><strong>Граф взаимодействий.</strong> Узлы: люди, организации, устройства, каналы; рёбра: «передал данные», «обсуждал диверсию», «получил средства».</li>
                  <li><strong>Событийные таймлайны.</strong> Хронология: когда впервые обсуждался слив персональных данных, когда был факт передачи,
                    когда появляется контекст помощи иностранным структурам, когда обсуждается вовлечение несовершеннолетних.</li>
                  <li><strong>Семантические кластеры.</strong> Группировка эпизодов: персональные данные и финансы, военная информация, диверсии, терроризм, BCI/психовоздействие.</li>
                </ul>
              </div>
            </div>

            <div class="pipeline-panel" data-stage="5">
              <div class="panel-title">Этап 5. Автоматизированное сопоставление с законодательством</div>
              <div class="panel-meta">Вход: граф событий • Выход: матрица «эпизод → потенциальные статьи УК РФ»</div>
              <div class="panel-body">
                <ul>
                  <li><strong>Онтология норм.</strong> Машиночитаемое описание ключевых составов: 272.1 (персональные данные), 275/275.1 (помощь противнику
                    и конфиденциальное сотрудничество), 205.1 и 281.1 (содействие террору и диверсиям, особенно с несовершеннолетними), 138.1 (спецтехника) и др.</li>
                  <li><strong>Правовой matching.</strong> Правила и ML-классификаторы, которые по признакам эпизода (тип данных, адресат, умысел, участие детей,
                    масштабы) оценивают, какие статьи <em>могут</em> применяться.</li>
                  <li><strong>Оценка тяжести.</strong> Для каждого эпизода вычисляются «юридические риски» и красные флаги: трансграничная передача,
                    интерес иностранного государства, несовершеннолетние, диверсионные цели.</li>
                </ul>
              </div>
            </div>

            <div class="pipeline-panel" data-stage="6">
              <div class="panel-title">Этап 6. Верификация человеком, отчёты и аудит</div>
              <div class="panel-meta">Вход: предварительные гипотезы • Выход: проверенные выводы и объяснимые отчёты</div>
              <div class="panel-body">
                <ul>
                  <li><strong>Ручная проверка.</strong> Юрист/следователь просматривает ключевые фрагменты, сверяет тексты с аудио/видео/BCI-данными,
                    оценивает контекст и умысел.</li>
                  <li><strong>Формирование досье.</strong> Профили по персонам, таблицы эпизодов, перекрёстные ссылки между сигналами, событиями и нормами права.</li>
                  <li><strong>Аудит и журналирование.</strong> Логи работы моделей, правовых правил и действий экспертов для последующей проверки и оспаривания.</li>
                </ul>
              </div>
            </div>
          </div>

          <!-- SVG-пайплайн -->
          <div class="svg-wrapper">
            <svg viewBox="0 0 600 120">
              <line class="svg-connector" x1="60" y1="60" x2="140" y2="60" />
              <line class="svg-connector" x1="160" y1="60" x2="240" y2="60" />
              <line class="svg-connector" x1="260" y1="60" x2="340" y2="60" />
              <line class="svg-connector" x1="360" y1="60" x2="440" y2="60" />
              <line class="svg-connector" x1="460" y1="60" x2="540" y2="60" />

              <g class="svg-stage-node" data-stage="1">
                <circle cx="50" cy="60" r="25"></circle>
                <text x="50" y="58">Сбор</text>
                <text x="50" y="70">данных</text>
              </g>

              <g class="svg-stage-node" data-stage="2">
                <circle cx="150" cy="60" r="25"></circle>
                <text x="150" y="58">Предо-</text>
                <text x="150" y="70">работка</text>
              </g>

              <g class="svg-stage-node" data-stage="3">
                <circle cx="250" cy="60" r="25"></circle>
                <text x="250" y="58">Модели</text>
                <text x="250" y="70">AI</text>
              </g>

              <g class="svg-stage-node" data-stage="4">
                <circle cx="350" cy="60" r="25"></circle>
                <text x="350" y="58">События</text>
                <text x="350" y="70">и связи</text>
              </g>

              <g class="svg-stage-node" data-stage="5">
                <circle cx="450" cy="60" r="25"></circle>
                <text x="450" y="58">УК</text>
                <text x="450" y="70">matching</text>
              </g>

              <g class="svg-stage-node" data-stage="6">
                <circle cx="550" cy="60" r="25"></circle>
                <text x="550" y="58">Эксперт</text>
                <text x="550" y="70">отчёт</text>
              </g>
            </svg>
          </div>
        </div>

        <aside class="pipeline-right">
          <div class="side-card">
            <div class="side-chip">Юридическая чувствительность конвейера</div>
            <h4>Ключевые точки, где техника переходит в плоскость УК РФ</h4>
            <ul class="side-list">
              <li><strong>Тип данных.</strong> Персональные, финансовые, военные, биометрические, BCI.</li>
              <li><strong>Адресат.</strong> Внутри РФ или в иностранных/враждебных структурах.</li>
              <li><strong>Участие несовершеннолетних.</strong> Любые признаки вовлечения детей/подростков в диверсии/террор.</li>
              <li><strong>Спецтехника.</strong> Скрытный сбор информации и обход защиты.</li>
            </ul>
            <div class="side-highlight">
              Модель никогда не должна подменять собой юриста или следователя. Технический пайплайн — это
              <strong>генератор гипотез</strong>, а не автоматический «вердикт».
            </div>
          </div>
        </aside>
      </div>
    </section>

    <!-- 2. Стек библиотек и уровни моделей -->
    <section class="section">
      <div class="section-header">
        <div class="section-icon">🧠</div>
        <div class="section-title">2. Стек библиотек: ASR, NLP, эмоции, BCI и правовой слой</div>
      </div>
      <p class="section-intro">
        Ниже — уровень стеков. Важно не только «какие модели», но и то, как они стыкуются между собой:
        аудио → текст → эмоции → события → право, плюс отдельная ветка для сигналов мозга и физиологии.
        Конкретные версии можно держать актуальными через dependency-файлы и автоматические обновления,
        не «хардкодя» их в интерфейс.
      </p>

      <div class="stack-grid">
        <div class="stack-card">
          <span class="stack-label">Речь и аудио (ASR / Voice)</span>
          <h4>Распознавание и паралингвистика</h4>
          <ul>
            <li>Нейромодели уровня Whisper/X-класса (PyTorch, ONNX Runtime).</li>
            <li>Дополнительные движки (например, Vosk/NVIDIA-класс) для оффлайн-режима.</li>
            <li>Библиотеки анализа аудио: парсинг спектра, prosody, energy, formants.</li>
            <li>Web-слой: WebAudio API для предобработки в браузере, запись и стриминг.</li>
          </ul>
        </div>

        <div class="stack-card">
          <span class="stack-label">Текст и смысл (NLP)</span>
          <h4>Семантика, NER и юридический язык</h4>
          <ul>
            <li>Стек на базе современных трансформеров (русские модели, law-tuned варианты).</li>
            <li>Библиотеки поколения spaCy/Stanza-класса для токенизации, POS, Dependency parsing.</li>
            <li>Юридические онтологии: словари субъектов, действий, типов данных, статей.</li>
            <li>Генерация эмбеддингов для поиска похожих эпизодов и прецедентов.</li>
          </ul>
        </div>

        <div class="stack-card">
          <span class="stack-label">Emotion &amp; Behavior</span>
          <h4>Эмоции, радикальная риторика, стресс</h4>
          <ul>
            <li>Классификаторы эмоций по тексту и голосу (агрессия, страх, цинизм, экстремизм).</li>
            <li>Паттерны радикализации: устойчивые комбинации слов, лозунгов, угроз и призывов.</li>
            <li>Модели детекции оскорблений власти, религии, групп (в пределах УК и КоАП).</li>
            <li>Модели аномального поведения в видео: двигательные паттерны, паника, суета.</li>
          </ul>
        </div>

        <div class="stack-card">
          <span class="stack-label">BCI и мозговая активность</span>
          <h4>Нейродекодирование (исключительно экспериментальный уровень)</h4>
          <ul>
            <li>Backend: MNE-Python/BrainFlow-класс для работы с ЭЭГ/MEG/fNIRS/fMRI.</li>
            <li>Глубокие модели типа современных fMRI-декодеров (по мотивам Mind-Vis):
              реконструкция приблизительных визуальных образов или категорий.</li>
            <li>Специализированные архитектуры для сопоставления сигналов мозга со стимулами
              (что человек видел/слушал) — не «чтение мыслей», а реконструкция реакции на стимулы в жёстко контролируемых условиях.</li>
            <li>Web-слой: визуализация карт активности и траекторий внимания в браузере,
              без прямого доступа к «сырым» медицинским данным.</li>
          </ul>
        </div>

        <div class="stack-card">
          <span class="stack-label">Правовой уровень</span>
          <h4>Юридический граф и правила</h4>
          <ul>
            <li>Онтология статей: субъекты, объект, форма вины, последствия, квалифицирующие признаки.</li>
            <li>Rule-engine (правила + ML) для первичного сопоставления эпизодов со статьями УК РФ.</li>
            <li>Связка с персональными данными (272.1), госизменой (275/275.1), диверсиями/террором (281.1, 205.1),
              спецтехникой (138.1) и др.</li>
            <li>Механизм объяснения: «почему система считает, что эпизод относится к этой норме».</li>
          </ul>
        </div>

        <div class="stack-card">
          <span class="stack-label">Интерфейс и интерактив</span>
          <h4>Three.js, WebGL, SVG, CSS</h4>
          <ul>
            <li>Three.js-сцены для визуализации пайплайна и графа взаимодействий (узлы-люди, рёбра-события).</li>
            <li>SVG-диаграммы для интерактивных карт этапов, частот, юридических связей.</li>
            <li>CSS-анимации и адаптивная вёрстка под десктоп/мобайл.</li>
            <li>Безопасное отображение: никаких скрытых tracking-скриптов, жёсткая изоляция пользовательских данных.</li>
          </ul>
        </div>
      </div>
    </section>

    <!-- 3. Законодательный слой (включая несовершеннолетних) -->
    <section class="section">
      <div class="section-header">
        <div class="section-icon">⚖️</div>
        <div class="section-title">3. Законодательный слой: персональные данные, помощь противнику, диверсии и дети</div>
      </div>
      <p class="section-intro">
        Здесь сигналы и модели превращаются в юридические гипотезы. Пайплайн не вынесет «приговор», но
        подсветит, где эпизоды объективно попадают в контуры особо тяжёлых составов, особенно при
        трансграничной передаче данных и вовлечении несовершеннолетних в диверсионно-террористическую активность.
      </p>

      <div class="law-grid">
        <article class="law-card blue">
          <h4>Персональные и финансовые данные (ст. 272.1, 272, 137 УК РФ)</h4>
          <p>
            Автоматически собираются эпизоды, где обсуждаются или фиксируются: незаконное получение
            чужих персональных/финансовых данных, хранение баз без оснований, их продажа или передача,
            особенно за пределы РФ.
          </p>
          <p>
            Трансграничная передача компьютерной информации с персональными данными — зона 272.1 УК РФ
            с диапазоном наказаний вплоть до многолетних сроков лишения свободы.
          </p>
          <span class="law-severity sev-mid">Высокая тяжесть при трансграничности</span>
        </article>

        <article class="law-card red">
          <h4>Помощь иностранному государству и конфиденциальные контакты (ст. 275, 275.1 УК РФ)</h4>
          <p>
            Если пайплайн показывает, что массив данных/действий фактически обслуживает интересы
            иностранного государства или структуры, враждебной РФ, и используется «в деятельности,
            направленной против безопасности РФ», эпизоды попадают в контур госизмены и конфиденциального
            сотрудничества.
          </p>
          <p>
            Здесь диапазон наказаний — от 3–8 лет по 275.1 до 12–20 лет и пожизненного по 275-й статье.
          </p>
          <span class="law-severity sev-high">Особо тяжкие составы</span>
        </article>

        <article class="law-card red">
          <h4>Диверсии, терроризм и несовершеннолетние (ст. 205.1, 281.1 УК РФ)</h4>
          <p>
            Отдельный, максимально опасный блок — любые формы <strong>вовлечения несовершеннолетних</strong>:
            склонение, вербовка, обучение, подготовка, финансирование диверсионной или террористической деятельности.
          </p>
          <p>
            Пайплайн помечает эпизоды, где:
          </p>
          <ul>
            <li>фигурируют дети/подростки в связке с диверсиями, взрывами, поджогами, террором;</li>
            <li>дается инструкция «что делать» им или за счёт них;</li>
            <li>обсуждается финансирование или организационная поддержка с участием несовершеннолетних.</li>
          </ul>
          <p>
            В актуальной редакции норм такие эпизоды тянут на <strong>диапазон 10–20 лет и вплоть до
            пожизненного лишения свободы</strong>, возраст ответственности по ряду диверсионных статей снижен
            до 14 лет, сроки давности сняты, УДО максимально ограничено.
          </p>
          <span class="law-severity sev-high">Пожизненное и отсутствие давности</span>
        </article>

        <article class="law-card violet">
          <h4>Специальные технические средства и скрытый сбор информации (ст. 138.1 УК РФ)</h4>
          <p>
            Если в эпизодах фиксируются разработки или использование устройств/ПО для скрытого получения
            информации, обхода защиты или сбора данных без ведома владельца, это попадает в контур
            специальной техники.
          </p>
          <p>
            Пайплайн помечает такие решения как потенциальные СТС: скрытые микрофоны, несанкционированный
            перехват, нелегальные схемы BCI-мониторинга и др.
          </p>
          <span class="law-severity sev-mid">Криминализация оборота СТС</span>
        </article>
      </div>

      <div class="law-note">
        Вся правовая логика пайплайна должна проектироваться так, чтобы не было иллюзий «автоматического
        правосудия»: результат — <strong>структурированная карта рисков</strong>, а не «готовый приговор».
        Особенно это критично в зонах, где ставки доходят до пожизненного.
      </div>
    </section>

    <!-- 4. BCI и декодирование мозговой активности -->
    <section class="section">
      <div class="section-header">
        <div class="section-icon">🧬</div>
        <div class="section-title">4. Мозговая активность и BCI: как это вписывается в пайплайн</div>
      </div>
      <p class="section-intro">
        Современные AI-подходы к неинвазивным BCI (ЭЭГ, fNIRS, fMRI) уже умеют в лабораторных условиях
        реконструировать грубые образы или смысловые категории того, что человек видит или представляет.
        Это <strong>не «чтение мыслей»</strong>, а статистическая реконструкция реакции мозга на известные стимулы
        при длительном обучении модели на конкретном человеке.
      </p>

      <div class="bci-layout">
        <div class="bci-card">
          <span class="bci-pill">Слой сигналов</span>
          <h4>Сбор и предобработка BCI-данных</h4>
          <ul>
            <li>ЭЭГ-шапки, высокоплотные fNIRS-системы, fMRI-сканеры (под контролем медиков).</li>
            <li>Калибровочные сессии: человек смотрит/слушает заранее заданные стимулы (картинки, видео, звук).</li>
            <li>Маркировка стимулов: точные тайм-коды и описания, что и когда предъявлялось.</li>
            <li>Предобработка: фильтры, пространственные преобразования, удаление артефактов движений глаз и мышц.</li>
          </ul>
          <div class="bci-limit">
            Все эти данные — <strong>биометрические и медицинские</strong> и по умолчанию подпадают под
            режим «чувствительных персональных данных», с ограничениями по хранению и доступу.
          </div>
        </div>

        <div class="bci-card">
          <span class="bci-pill">Слой моделей</span>
          <h4>AI-декодирование активности мозга</h4>
          <ul>
            <li>Обучение нейросетей на парах «сигнал мозга → стимул» для каждого человека.</li>
            <li>Архитектуры по мотивам современных исследований: энкодер мозга → латентное представление → генератор (например, визуальных образов).</li>
            <li>На выходе — <strong>примерная</strong> реконструкция класса стимулов (категория изображения, общая структура сцены), а не дословное содержание мыслей.</li>
            <li>Кросс-валидация и строгая оценка качества: где модель действительно угадывает, а где «фантазирует».</li>
          </ul>
          <div class="bci-limit">
            В реальных условиях такая ветка пайплайна <strong>может использоваться только как исследовательский модуль</strong>,
            а не как источник прямых юридических выводов: погрешности слишком велики.
          </div>
        </div>

        <div class="bci-card">
          <span class="bci-pill">Интеграция в общий пайплайн</span>
          <h4>Где BCI-данные могут быть полезны</h4>
          <ul>
            <li>Сопоставление мозговой реакции со стимулами (например, на пропагандистские материалы или подозрительные видеоролики).</li>
            <li>Оценка уровня стресса, перегрузки или сбоев в восприятии при предъявлении информации.</li>
            <li>Корреляция BCI-паттернов с аудио/видео/текстовой активностью (например, как человек реагирует на собственные разговоры).</li>
            <li>Визуализация для экспертов: карты активации, временные профили, но <strong>без</strong> претензий на «доказанное содержание мыслей».</li>
          </ul>
        </div>
      </div>
    </section>

    <!-- 5. Frey + инфразвук как контекст внушаемости -->
    <section class="section">
      <div class="section-header">
        <div class="section-icon">🌊</div>
        <div class="section-title">5. «Эффект Фрея» и инфразвук: контекст внушаемости и стресса</div>
      </div>
      <p class="section-intro">
        В отдельный блок пайплайна можно вынести сенсорные воздействия, которые обсуждаются в связи
        с повышением внушаемости: микроволновые аудиофеномены (часто ассоциируемые с «эффектом Фрея»)
        и инфразвук. На уровне модели их разумно трактовать как <strong>стресс-факторы и потенциальные источники
        дестабилизации</strong>, а не как «магическую зомбировку».
      </p>

      <div class="combo-grid">
        <div class="combo-card">
          <span class="combo-chip chip-frey">Микроволновые аудиофеномены</span>
          <h4>Что учитывает пайплайн</h4>
          <ul>
            <li>Наличие аномальной высокочастотной радиочастотной активности в среде (RF-мониторинг).</li>
            <li>Субъективные репорты испытуемых: внутренние звуки/ощущения, не связанные с внешним аудио.</li>
            <li>Корреляции между RF-полем, жалобами и изменением поведения/эмоций.</li>
            <li>Формальный уровень: это фиксируется как <strong>сенсорный стрессор</strong>, влияющий на состояние,
              но не как доказанный механизм прямого контроля сознания.</li>
          </ul>
        </div>

        <div class="combo-card">
          <span class="combo-chip chip-infra">Инфразвук</span>
          <h4>Низкие частоты и психофизиология</h4>
          <ul>
            <li>Измерение уровней инфразвука, совпадений с резонансными частотами тела и органов.</li>
            <li>Сопоставление с симптомами: тревога, дезориентация, физиологический дискомфорт.</li>
            <li>Анализ влияния на эффективность восприятия информации и устойчивость к внушению.</li>
            <li>В модели: ещё один фактор, который может повышать уязвимость, но не заменяет
              ни BCI, ни классическую психологию.</li>
          </ul>
        </div>

        <div class="combo-card">
          <span class="combo-chip" style="background:#dcfce7;color:#166534;">Комбинированный контекст</span>
          <h4>Как это стыкуется с правом и BCI</h4>
          <ul>
            <li>BCI-ветка может показывать, как мозг реагирует на такие воздействия (стресс, перегрузка, усталость).</li>
            <li>Правовой слой может учитывать их <strong>как обстоятельство</strong> (например, влияние на способность осознавать характер действий),
              но не как оправдание явно криминальных эпизодов.</li>
            <li>Всё, что касается «зомбирования», в модели фиксируется как <strong>гипотеза, требующая независимых доказательств</strong>,
              а не как данность.</li>
          </ul>
        </div>
      </div>
    </section>

    <!-- 6. Пример сценария -->
    <section class="section">
      <div class="section-header">
        <div class="section-icon">📂</div>
        <div class="section-title">6. Пример сценария: массив 25×4 ч видео + голосовые + переписки</div>
      </div>
      <p class="section-intro">
        Для иллюстрации можно представить кейс: 25 видеозаписей по 4 часа, десятки голосовых сообщений,
        большие переписки и вложения. Пайплайн работает с этим массивом как с единым объектом, не теряя
        связи между каналами.
      </p>

      <div class="example">
        <p><strong>Высокоуровневая схема в терминах пайплайна:</strong></p>
        <div class="example-code">
1. Ингест:
   • загрузка всех видео/аудио/чатов/вложений, расчёт хешей, фиксация метаданных;
   • при наличии — загрузка BCI/физиологических логов с тех же периодов.

2. Сегментация:
   • нарезка видео/аудио на сегменты с речью и событиями;
   • выделение ключевых эпизодов по тексту (слова «передал», «слил», «взорвать», «школа», «дети» и т.п.).

3. Модели:
   • ASR → транскрипты с тайм-кодами;
   • NLP → сущности, действия, связи, акты речи (угрозы/призывы/признания);
   • Emotion → «горячие» точки агрессии, паники, радикальных лозунгов;
   • BCI (если есть) → профили стресса и реакции на отдельные стимулы.

4. Семантика:
   • построение графа «кто–что–кому–когда»;
   • кластеры: персональные/финансовые данные, иностранные структуры, диверсии, дети/подростки.

5. Право:
   • автоматический matching эпизодов с блоками 272.1, 275/275.1, 205.1, 281.1, 138.1 и др.;
   • ранжирование эпизодов по уровню юридической тяжести.

6. Человек:
   • выбор топ-эпизодов с максимальным риском (персональные данные за рубеж, помощь противнику,
     вовлечение несовершеннолетних в диверсии/террор);
   • ручная проверка, контекст, формирование итогового заключения.
        </div>
      </div>
    </section>

    <!-- 7. Практический вывод -->
    <section class="section">
      <div class="section-header">
        <div class="section-icon">✅</div>
        <div class="section-title">7. Практический вывод (без розовых очков)</div>
      </div>

      <div class="summary">
        <p><strong>Что даёт такой пайплайн на практике, если убрать мифологию и оставить только технику и право:</strong></p>
        <div class="summary-grid">
          <div class="summary-block">
            <h4>1. Цифровой след становится непрерывным</h4>
            <ul>
              <li>Видео, аудио, текст, BCI и физиология собираются в одну линию времени с чёткой привязкой к людям и событиям.</li>
              <li>ASR, NLP и эмоции убирают «шум» и выделяют смысловые и эмоциональные пики.</li>
              <li>Это превращается в граф эпизодов, удобный для юридической оценки.</li>
            </ul>
          </div>
          <div class="summary-block">
            <h4>2. Правовой риск можно увидеть заранее</h4>
            <ul>
              <li>Любая трансграничная история с персональными/финансовыми данными подсвечивается как риск 272.1 УК РФ.</li>
              <li>Любая помощь иностранным структурам против безопасности РФ — кандидат на 275/275.1.</li>
              <li>Любое вовлечение несовершеннолетних в диверсионно-террористический контекст — прямой путь к блоку 205.1/281.1
                с потенциальным пожизненным.</li>
            </ul>
          </div>
          <div class="summary-block">
            <h4>3. BCI и сенсорный контекст — только модификаторы</h4>
            <ul>
              <li>BCI-данные, Frey/инфразвук и прочие сенсорные воздействия в реальной правовой картине — это фон: они могут
                объяснять состояние, но не отменяют факта действий.</li>
              <li>С технической точки зрения они важны для понимания внушаемости, стресса, сниженной критичности, но
                используются аккуратно и с оговорками.</li>
              <li>Любые выводы в этих зонах должны оставаться максимально осторожными и верифицироваться независимыми экспертами.</li>
            </ul>
          </div>
        </div>
      </div>
    </section>
  </main>
</div>

<!-- Three.js для визуализации пайплайна -->
<script src="https://unpkg.com/three/build/three.min.js"></script>
<script>
  // Three.js мини-сцена: абстрактное представление пайплайна
  (function initThreePipeline() {
    const canvas = document.getElementById('pipelineCanvas');
    if (!canvas || !window.THREE) return;

    const renderer = new THREE.WebGLRenderer({ canvas, antialias: true, alpha: true });
    const scene = new THREE.Scene();
    const camera = new THREE.PerspectiveCamera(38, 1, 0.1, 100);
    camera.position.set(0, 0, 16);

    const ambient = new THREE.AmbientLight(0xffffff, 0.8);
    scene.add(ambient);
    const dir = new THREE.DirectionalLight(0xffffff, 0.6);
    dir.position.set(3, 4, 5);
    scene.add(dir);

    const group = new THREE.Group();
    scene.add(group);

    const nodeMaterial = new THREE.MeshStandardMaterial({
      color: 0x2563eb,
      metalness: 0.4,
      roughness: 0.2
    });

    const nodes = [];
    const nodePositions = [-9, -5.4, -1.8, 1.8, 5.4, 9];

    nodePositions.forEach((x, idx) => {
      const geom = new THREE.SphereGeometry(0.6, 32, 32);
      const mesh = new THREE.Mesh(geom, nodeMaterial.clone());
      mesh.position.set(x, 0, 0);
      mesh.material.color.setHex(idx === 2 ? 0x16a34a : 0x2563eb);
      group.add(mesh);
      nodes.push(mesh);
    });

    // Линии между сферами
    const lineMaterial = new THREE.LineBasicMaterial({ color: 0x9ca3af });
    for (let i = 0; i < nodePositions.length - 1; i++) {
      const points = [];
      points.push(new THREE.Vector3(nodePositions[i] + 0.6, 0, 0));
      points.push(new THREE.Vector3(nodePositions[i + 1] - 0.6, 0, 0));
      const geom = new THREE.BufferGeometry().setFromPoints(points);
      const line = new THREE.Line(geom, lineMaterial);
      group.add(line);
    }

    function resizeRenderer() {
      const width = canvas.clientWidth;
      const height = canvas.clientHeight;
      if (width === 0 || height === 0) return;
      renderer.setSize(width, height, false);
      camera.aspect = width / height;
      camera.updateProjectionMatrix();
    }

    function animate() {
      requestAnimationFrame(animate);
      group.rotation.y += 0.003;
      group.rotation.x = Math.sin(Date.now() * 0.0002) * 0.1;
      resizeRenderer();
      renderer.render(scene, camera);
    }

    animate();
    window.addEventListener('resize', resizeRenderer);
  })();

  // Интерактивность: выбор этапов пайплайна и SVG-узлов
  document.addEventListener('DOMContentLoaded', function () {
    const pills = document.querySelectorAll('.stage-pill');
    const panels = document.querySelectorAll('.pipeline-panel');
    const svgNodes = document.querySelectorAll('.svg-stage-node');

    function activateStage(stage) {
      pills.forEach(p => {
        p.classList.toggle('active', p.dataset.stage === stage);
      });
      panels.forEach(panel => {
        panel.classList.toggle('active', panel.dataset.stage === stage);
      });
      svgNodes.forEach(node => {
        node.classList.toggle('active', node.dataset.stage === stage);
      });
    }

    pills.forEach(p => {
      p.addEventListener('click', () => {
        activateStage(p.dataset.stage);
      });
    });

    svgNodes.forEach(node => {
      node.addEventListener('click', () => {
        activateStage(node.dataset.stage);
      });
    });

    // Активируем первый этап по умолчанию
    if (pills.length > 0) {
      activateStage(pills[0].dataset.stage);
    }
  });
</script>
</body>
</html>