Abstract
<jats:p>Исследуется возможность применения нейронных сетей для повышения эффективности проверки безопасности соискателей при подборе персонала. Проведен анализ существующих методов проверки кандидатов, выявлены их основные ограничения, такие как субъективность оценки, высокая трудоемкость и неспособность обрабатывать большие объемы данных. Предложена система на основе многослойного персептрона (MLP), позволяющая автоматизировать процесс оценки соискателей и повысить точность прогнозирования потенциальных угроз. Описаны этапы подготовки данных, включая сбор, очистку и преобразование информации о кандидатах. Приведены характеристики используемого набора данных и проведен сравнительный анализ параметров традиционных и автоматизированных методов проверки. Разработанный алгоритм демонстрирует высокую эффективность в снижении рисков внутренних угроз и может быть использован организациями для повышения уровня информационной безопасности.</jats:p> <jats:p>Explores the possibility of using neural networks to improve the efficiency of candidate security checks during the recruitment process. It analyzes existing candidate screening methods and identifies their main limitations, such as subjective evaluation,high labor intensity, and inability to handle large amounts of data. The article proposes a system based on a multilayer perceptron (MLP)that can automate the candidate evaluation process and improve the accuracy of predicting potential threats. It describes the data preparation steps,including the collection, cleaning, and transformation of candidate information. The characteristics of the used data set are presented, and a comparative analysis of the parameters of traditional and automated verification methods is conducted. The developed algorithm demonstrates high efficiency in reducing the risks of internal threats and can be used by organizations to improve their information security level.</jats:p>