Россия
Россия
Россия
Целью статьи является всестороннее исследование и моделирование внедрения блокчейн-технологии с целью повышения надежности и транспарентности российской системы антиплагиата. Проводится глубокий анализ существующей академической недобросовестности, выявляются ограничения тради-ционных средств проверки оригинальности текстов, а также систематизируются результаты метаанализа публикаций за период 2020–2025 гг., посвященных применению блокчейна для защиты интеллектуального контента. Описывается методология систематического обзора с использованием диаграммы PRISMA, что обеспечивает строгий и реплицируемый подход к отбору и синтезу эмпирических и теоретических исследований. На основании этого анализа формируется архитектурная модель блокчейн-модуля, способного интегрироваться в инфраструктуру вузовских антиплагиатных систем, обеспечивая распределенную верификацию, неизменяемость записей и консенсусные механизмы. Также рассматривается методика оценки сетевых и временных характеристик предлагаемой системы, особенно в контексте массовых проверок академических работ: моделируется производительность, пропускная способность и задержки, что позволяет оценить масштабируемость решения. Предложенная модель ориентирована на органичное включение в существующие сервисы проверки оригинальности без необходимости радикальной перестройки инфраструктуры и при этом учитывает ключевые юридические, технические и организационные особенности российского образовательного пространства, что обеспечивает ее практическую применимость и устойчивость в академической среде.
блокчейн, антиплагиат, академическая добросовестность, PRISMA, метаанализ, распределенный реестр, авторство
Введение
В российской системе высшего образования проверка текстов через антиплагиат-сервисы фактически стала обязательным фильтром для допуска к защите курсовых, выпускных квалификационных работ и диссертаций [1]. При этом дискуссия вокруг того, насколько такие системы действительно обеспечивают академическую добросовестность, а не стимулируют поиск формального обхода порогов оригинальности, остается крайне острой [2]. На фоне массового использования перефразирующих сервисов, генеративного искусственного интеллекта (ИИ) и «теневого» рынка заказных работ традиционные алгоритмы текстового сравнения начинают демонстрировать все более заметные ограничения [3].
Параллельно образовательные организации расширяют применение цифровых технологий – от онлайн-курсов до прокторинга и автоматизированного анализа студенческих работ. Однако рост «цифровой оболочки» сам по себе не гарантирует укрепления академической культуры; напротив, при отсутствии прозрачных и доверенных механизмов фиксации авторства усиливается ощущение формальности процедур [4]. В этих условиях закономерно растет интерес к распределенным технологиям (в первую очередь блокчейн), позволяющим записывать сведения об объекте (тексте работы) и связанных с ним действиях в неизменяемый реестр.
Технология блокчейн изначально развивалась как инфраструктура для финансовых транзакций, но в последние годы постепенно сместилась и в сферу защиты данных, управления правами и подтверждения подлинности цифровых объектов [5]. Для автоматизированного выявления плагиата это открывает принципиально новую траекторию: вместо проверки «похожести» текста с внешними источниками можно фиксировать момент создания работы, цепочку ее версий и все значимые взаимодействия с текстом в распределенном журнале. Тогда дискуссия о том, «насколько честно» пройдена проверка, дополняется вопросом: как устроена техническая и правовая инфраструктура доверия к этим данным.
Научная литература по блокчейну и академической добросовестности заметно расширилась после 2020 г., но носит фрагментарный характер: отдельные работы посвящены авторству, другие – управлению дипломами, третьи – интеграции блокчейн с ИИ. Систематического обзора именно в контексте интеграции блокчейна в антиплагиатные механизмы российских вузов до сих пор не предпринималось. Это обусловило выбор методологии метаанализа с использованием схемы PRISMA, позволяющей структурированно отобрать и сопоставить зарубежные и российские исследования.
Целью статьи является разработка и техническая формализация архитектурной модели интеграции блокчейн-модуля в контур вузовской системы проверки оригинальности (антиплагиат) в России на основе систематического обзора публикаций 2020–2025 гг. (PRISMA), с определением границ ответственности компонентов, типов данных (данные/метаданные/хеши) и жизненного цикла документа (версии и повторные проверки), а также с постановкой параметров для оценки сетевых и временных характеристик решения.
Для достижения поставленной цели в статье последовательно рассмотрены:
– анализ технических возможностей блокчейна в задачах авторской идентификации;
– обзор подходов к автоматизированному выявлению плагиата и нарушениям академической добросовестности;
– проведение метаанализа с применением методики PRISMA;
– разработка архитектурной модели интеграции блокчейн-модуля в контур системы антиплагиат;
– постановка задач моделирования сетевых и временных характеристик системы.
Технологические и методические основы исследования
Технологические особенности блокчейн в задачах фиксации авторства. Современные методы автоматической диагностики плагиата все чаще дополняются алгоритмами идентификации авторства по стилю, тематике и статистическим особенностям текста [6]. При этом результат всегда остается вероятностным: система может указать на необычное изменение стиля или подозрительную схожесть с внешними источниками, но не создает устойчивого механизма доказательства момента возникновения текста. Блокчейн, напротив, ориентирован на фиксированное, однозначное состояние: любой блок содержит криптографический хеш данных и ссылку на предыдущий блок, что делает невозможным незаметное переписывание истории без пересчета всей цепочки.
Ключевые свойства блокчейна важнее для решения задач антиплагиата и во многом совпадают с теми, которые в литературе описываются для государственных информационных систем: децентрализация, неизменяемость записей, криптографическая защита и проверяемая история транзакций. Для образовательной среды к ним добавляется еще один аспект: возможность разделения ролей между участниками (студент, научный руководитель, вуз, внешние эксперты) без концентрации полного контроля в одной точке (например, у разработчика системы антиплагиат). Это особенно важно на фоне дискуссий об ответственности вузов и разработчиков ПО за ошибки или злоупотребления при использовании автоматических средств проверки заимствований [7].
Международные подходы к использованию блокчейн в антиплагиате. В зарубежных исследованиях последних лет прослеживается несколько линий применения блокчейн в сфере академической добросовестности. Одна из них – хранение хешей текстов и метаданных документов в публичных или консорциумных сетях. Так, в ряде работ предлагается размещать уникальные отпечатки студенческих работ в открытом блокчейн-реестре, что позволяет любому вузу проверить, является ли конкретный текст новой разработкой или вариацией уже зарегистрированного документа [8].
Другой подход связан с интеграцией блокчейн-реестров в инфраструктуру исследовательских и образовательных платформ: хеши кодов, отчетов, презентаций и иных артефактов фиксируются как элементы единого жизненного цикла научного проекта. Такие системы изначально создавались для управления авторскими правами на программный код, но фактически решают задачу расширенного антиплагиата – не только текста, но и программных артефактов [9].
Отдельный класс решений ориентирован на управление дипломами, сертификатами и другими образовательными документами. В таких моделях блокчейн используется для подтверждения подлинности диплома и связанного с ним набора компетенций, а также для защиты от подделок и дублирования записей. Косвенно это также влияет на контроль плагиата: если траектория образовательных достижений и ключевые работы студента фиксируются в распределенном реестре, становится сложнее «встраивать» в этот контур искусственные или заимствованные результаты [10].
Наконец, в ряде исследований рассматривается синергия блокчейн с ИИ при борьбе с академическим мошенничеством: блокчейн выступает слоем доверия и непротиворечивой истории, а ИИ-модели анализируют содержательную часть текстов, статистику активности и аномальные паттерны поведения студентов [11].
Метаанализ и методика PRISMA. Для перехода от фрагментарного обзора к систематическому анализу была выбрана методика PRISMA 2020, представляющая собой обновленный стандарт отчетности по систематическим обзорам и метаанализам [12]. Базовая идея PRISMA состоит в том, чтобы сделать максимально прозрачными все этапы работы с литературой: от формулировки критериев включения до окончательного набора работ, вошедших в анализ. Для этого используются чек-листы и блок-схемы, отображающие движение публикаций: «найдено → отфильтровано → оценено → включено».
Официальный ресурс PRISMA содержит расширенный список рекомендаций для описания поиска, критериев включения/исключения, оценки качества и способов синтеза результатов. В настоящей работе элементы PRISMA адаптируются к тематике цифровых технологий в образовании и блокчейн-решений, при этом сохраняется структура отчетности (описание поиска, диаграмма потоков, характеристика выборки работ) [13].
Современные исследования показывают, что даже при декларировании использования PRISMA авторы не всегда строго следуют ее требованиям. Анализы практики применения PRISMA 2020 в разных областях демонстрируют значительный разброс по полноте отчетности, что дополнительно подчеркивает необходимость явного визуального представления этапов отбора публикаций в виде диаграммы [14].
Метаанализ исследований по блокчейн и антиплагиату. Стратегия поиска и критерии включения. В качестве временного диапазона для метаанализа выбран период с января 2020 г. по январь 2025 г., что позволяет учесть как доковидные, так и постковидные изменения в цифровизации образования. Поиск проводился в базах Scopus, Web of Science, IEEE Xplore, SpringerLink, а также в eLIBRARY и ряде специализированных сборников по цифровым технологиям и праву. В запросах комбинировались ключевые слова: blockchain, plagiarismdetection, academicintegrity, authorshipverification, цифровой антиплагиат, академическая добросовестность, блокчейн в образовании.
Критерии включения:
– рецензируемые статьи и главы монографий;
– наличие описания архитектуры или прототипа блокчейн-системы, связанной с проверкой оригинальности, авторства или управлением образовательными документами;
– наличие экспериментальных или модельных данных (имитация, пилотные внедрения, оценка нагрузки).
Критерии исключения:
– работы, где блокчейн упоминается только на уровне концептуальной идеи без технической проработки;
– публикации, целиком посвященные финансовым приложениям без связи с антиплагиатом или образованием.
Диаграмма PRISMA. Результаты отбора представлены в виде диаграммы PRISMA (рис. 1).
Рис. 1. Блок-схема PRISMA отбора публикаций по теме блокчейн и антиплагиат
Fig. 1. PRISMA flowchart for the selection of publications on the topic of blockchain and anti-plagiarism
На этапе идентификации было найдено 214 публикаций. После удаления дубликатов и предварительного скрининга по аннотациям осталось 126 работ. Полнотекстовый анализ привел к исключению еще части публикаций в связи с отсутствием технического описания архитектуры или данных моделирования; в итоговую выборку для метаанализа вошло 28 статей и глав.
Диаграмма позволяет явно отследить переход от исходного множества публикаций к финальной выборке и повысить прозрачность последующего анализа.
Основные направления исследований. Постановка задачи и архитектура блокчейн-модуля антиплагиат
Обобщение отобранных работ показывает несколько устойчивых направлений:
– системы фиксации хешей текстов и метаданных в публичных блокчейн-сетях с целью последующей проверки оригинальности;
– решения для библиотек и архивов, где блокчейн используется для регистрации документов и защиты от подмены;
– комплексные платформы для борьбы с плагиатом в учебных заведениях, интегрирующие блокчейн с существующими антиплагиат-системами и системами управления обучением;
– исследования правовых аспектов использования блокчейн в образовательном и научном контексте.
Отдельную группу составляют статьи, адресующиеся к практическим вопросам реализации блокчейн-платформ для выявления плагиата и защиты интеллектуальной собственности, в том числе для библиотечных фондов и университетской инфраструктуры [15].
Требования к системе в контексте российского образования. Российский контекст задает специфический набор требований к системе блокчейн-антиплагиат: необходимость сочетания требований к защите персональных данных, норм авторского права и локальных регламентов вузов, а также потребность в интеграции с уже существующими сервисами проверки оригинальности. В юридической литературе подчеркивается, что внедрение блокчейн-решений нельзя рассматривать вне нормативно-правового поля защиты персональных данных и цифровых идентификаторов [16].
В практическом плане система должна:
– не дублировать функции уже используемых антиплагиат-сервисов, а дополнять их уровнем криптографической фиксации;
– обеспечивать хранение в блокчейне не самих текстов, а только их криптографических отпечатков и контролируемого набора метаданных;
– поддерживать распределенную модель доверия, в которой валидация записей осуществляется сетью вузов-участников и, при необходимости, внешними экспертными центрами.
Архитектура предлагаемой модели
В обобщенном виде архитектура предлагаемой системы включает следующие компоненты:
– клиентский модуль автора (студента, научного руководителя), осуществляющий локальное хеширование текста работы и формирование транзакции;
– шлюз интеграции с антиплагиат-системой, который получает результаты проверки, связывает их с хешем документа и формирует запись в блокчейне;
– блокчейн-сеть вузов-валидаторов, поддерживающих распределенный реестр;
– модуль верификации, с помощью которого сторонний эксперт или комиссия может проверить историю версий и статус работы.
Перед практической реализацией механизма верификации версий документа необходимо формализовать логику прохождения документа по стадиям контроля и фиксации его состояния. Ключевой принцип здесь заключается не в передаче самого содержимого файла, а в передаче его криптографического представления – хеш-значения, выступающего цифровым «отпечатком» текста. Подобный подход соответствует базовой идее, описанной еще У. Диффи и М. Хеллманом: безопасность обеспечивается не сокрытием канала, а математической необратимостью преобразования. В результате вуз сохраняет полный контроль над содержанием документа, тогда как внешняя система фиксирует лишь доказательство его неизменности. Процесс повторных проверок превращается в сравнение вычисляемых хешей, а не редакций файлов, что исключает подмену и позволяет отследить момент внесения правок. Архитектурно это реализуется через связку локального криптографического контура, блокчейн-шлюза и сети валидаторов, которые подтверждают факт существования конкретной версии в определенный момент времени. Схематическое представление взаимодействия всех компонентов системы регистрации и подтверждения версии документа приведено на рис. 2.
Рис. 2. Архитектурная модель интеграции блокчейн-модуля с антиплагиат-контуром вуза: границы системы,
роли, потоки D/M/H и жизненный цикл документа (версии и повторные проверки)
Fig. 2. Architectural model of integration of the blockchain module with the anti-plagiarism contour of the university:
system boundaries, roles, D/M/H flows and document lifecycle (versions and repeated checks)
Узлы вузов-валидаторов подтверждают транзакцию; запись добавляется в цепочку блоков.
Для формализации процесса построения блока используется выражение
где
– операция конкатенации данных;
На уровне потока данных движение выглядит следующим образом:
1. Автор загружает работу в систему антиплагиат.
2. Перед отправкой формируется криптографический хеш текста и минимальный набор метаданных (идентификатор автора в информационной системе вуза, тип работы, дата).
3. После завершения проверки антиплагиат-система формирует транзакцию с хешем, результатами проверки и метаданными и отправляет ее в блокчейн-сеть.
Узлы вузов-валидаторов подтверждают транзакцию; запись добавляется в цепочку блоков.
При повторной проверке или внешней экспертизе хеш рассчитывается заново и сравнивается с существующими записями.
В общем виде операция формирования цифрового отпечатка текста может быть представлена как
H = f(D),
где D – текстовый документ; H – полученный хеш-идентификатор работы.
Оценка сетевых и временных характеристик
Важнейшим аспектом внедрения блокчейн-модуля является оценка нагрузок, особенно в периоды массовой проверки работ (сессия, защита выпускной квалификационной работы, прием диссертаций). Для упрощенной оценки можно выделить несколько компонент времени обработки:
– время локального хеширования текста;
– время формирования и подписи транзакции;
– время распространения транзакции по сети блокчейн-узлов и включения ее в блок;
– сетевые задержки между узлами вузов.
Для формализации нагрузки введем параметры: N – число валидирующих вузов-узлов; λ – интенсивность поступления проверок (транзакций) в пиковый период; Tb – средний интервал формирования блока; Lnet – медианная сетевая задержка между узлами; S – средний размер транзакции. Тогда ожидаемая задержка подтверждения события проверки может быть представлена как сумма задержек локальной подготовки (хеширование и подпись) и задержек консенсуса (распространение транзакции и включение в блок), что позволяет сравнивать сценарии «малый консорциум» и «расширенный консорциум» по критерию масштабируемости.
При увеличении числа валидирующих вузов время подтверждения транзакции растет, однако одновременно повышается и устойчивость системы к отдельным сбоям или попыткам манипуляции. На этапе имитационного моделирования возможно использование тестовых сетей и инструментов развертывания смарт-контрактов, аналогичных применяемым в других задачах распределенных реестров, с адаптацией параметров под образовательный трафик.
Обсуждение
Полученная в ходе метаанализа картина показывает, что блокчейн уже перестал быть исключительно «финансовой» технологией и постепенно закрепляется в повестке академической добросовестности и управления образовательными результатами. Однако в большинстве рассмотренных проектов речь идет либо о пилотных внедрениях в отдельных университетах, либо о лабораторных прототипах, не учитывающих масштаб национальных систем антиплагиат. Российская специфика – массовость использования проверок, высокие требования к защите персональных данных и сильная роль регулятора – делают необходимым переосмысление архитектуры с учетом локальных нормативных и организационных ограничений.
Важным выводом, вытекающим из сопоставления работ, является то, что блокчейн не должен подменять собой алгоритмическую часть антиплагиата. Он отвечает не за «поиск заимствований», а за фиксацию того, что именно, когда и при каких условиях было проверено, кем подписано и в каком виде результаты этой проверки могут быть верифицированы спустя годы. В этом смысле блокчейн-модуль выступает как слой доверия и подотчетности поверх привычных процедур проверки текста.
Для российских вузов особое значение имеет связь такой системы с политиками академической добросовестности и культурой работы с источниками. Если блокчейн-модуль внедряется как чисто техническое новшество без изменения практик преподавателей и студентов, он рискует быть воспринятым лишь как еще один контрольный барьер. В то же время исследования, посвященные влиянию цифровых технологий и дистанционного обучения на академическую честность, подчеркивают, что устойчивые изменения достигаются только при сочетании технических средств с институциональными и педагогическими мерами [17].
Заключение
В статье предложена модель применения технологии блокчейн для улучшения системы антиплагиат в России, основанная на систематическом обзоре и метаанализе исследований 2020–2025 гг. с использованием методики PRISMA. Метаанализ позволил выделить ключевые направления зарубежных и российских работ, связанных с фиксацией авторства, регистрацией документов, управлением дипломами и интеграцией распределенных реестров в образовательные платформы. На основе обобщения публикаций сформулированы требования к архитектуре блокчейн-модуля, интегрируемого в существующую инфраструктуру антиплагиат-систем вузов. Предложена общая структурная схема взаимодействия автора, антиплагиат-сервиса и сети вузов-валидаторов, а также обозначены основные компоненты временных и сетевых характеристик, подлежащие оценке в ходе имитационного моделирования.
Дальнейшее развитие работы предполагает:
– проведение подробного имитационного моделирования с использованием реалистичных параметров нагрузки;
– уточнение правовой модели хранения хешей и метаданных в публичных и консорциумных сетях;
– разработку пилотного проекта на базе консорциума российских вузов с оценкой влияния блокчейн-модуля на практики академической добросовестности.
Предлагаемая модель не отменяет существующие алгоритмы антиплагиат, но может стать важным элементом инфраструктуры доверия, обеспечивающим доказуемую историю версий работ и прозрачность процедур их проверки в российской системе высшего образования.
1. Антиплагиат. Официальный сайт российской си-стемы обнаружения текстовых заимствований. URL: www.antiplagiat.ru (дата обращения: 08.11.2025).
2. Антиплагиат. Сервис для учебных заведений, студентов и аспирантов. URL: www.antiplagiat.ru/corporate/education/ (дата обращения: 08.11.2025).
3. Беликова К. М. Нужен ли России фиксированный процент оригинальности и сама оригинальность научных работ: размышления юриста // Юридические исследования. 2023. № 3. С. 62–104. DOhttps://doi.org/10.25136/2409-7136.2023.3.40421.
4. Головенчик Г. Г. Современные тенденции цифрового реформирования образования // Цифровая трансформация. 2021. № 3 (6). С. 23–33.
5. Примеры использования блокчейна в образовании: проблемы и преимущества // HR-блог про IT-рекрутинг IT and Digital. 2024. URL: www.itanddigital.ru/bloghrconsulting/tpost/gushkhn8d1-primeri-ispolzovaniya-blokcheina-v-obraz (дата обращения: 08.11.2025).
6. Мальков М. Д., Алексеев Д. С. Плагиат как множественный объект: практики проверки студенческих работ в московских вузах // Laboratorium. Журнал социальных исследований. 2025. Т. 17. № 1. С. 58–92.
7. Маркичева И. А. К вопросу о применении технологии блокчейн и смарт-контрактов в сфере защиты авторских прав // Проблемы экономики и юридической практики. 2019. Т. 17. № 5. С. 144–148.
8. Орехова Т. Ф., Фёдоров В. А., Третьякова Н. В. Определение оригинальности текста диссертации с использованием систем «Антиплагиат»: возможности совершенствования методики // Вестн. Оренбург. гос. ун-та. 2024. № 4 (244). С. 83–91.
9. Полянин А. Д., Шингарёва И. К. Индекс подобия математических и других научных публикаций с уравнениями и формулами и проблема идентификации самоплагиата // Математическое моделирование и численные методы. 2021. № 2. С. 96–116.
10. Блокчейн в SEO: защита авторских прав и цифрового контента // Rush-Analytics. 2023. URL: www.rush-analytics.ru/blog/blokchein-v-seo (дата обращения: 08.11.2025).
11. Davis M., Carter R. Enhancing trust in academic credentials using blockchain: A systematic review // Education and Information Technologies. 2024. V. 29. P. 543–558.
12. Elsayed A. N. The Use of Blockchain Technology in Education // SSRN Electronic Journal. 2023. Working Paper No. 4523322. URL: www.ssrn.com/abstract=4523322 (дата обращения: 08.11.2025).
13. Mohammad A. Barriers Affecting Higher Education Institutions’ Adoption of Blockchain Technology // Informatics. 2022. V. 9. N. 3. Art. 64.
14. Moya J. A. B. Blockchain for Academic Integrity // arXiv preprint. 2024. arXiv:2406.15482. URL: www.arxiv.org/abs/2406.15482 (дата обращения: 08.11.2025).
15. Palmisano T., Convertini V. N., Sarcinella L., Ga-briele L., Bonifazi M. Notarization and Anti-Plagiarism: A New Blockchain Approach // Applied Sciences. 2022. V. 12. N. 1. Art. 243.
16. Silaghi D. L., Popescu F. Blockchain Initiatives vs. Higher Education Best Practices // Computers. 2025. V. 14. N. 4. Art. 141.
17. Tahora S., Saha B., Sakib N., Shahriar H., Haddad H. Blockchain Technology in Higher Education Ecosystem // arXiv preprint. 2023. arXiv:2306.04071. URL: www.arxiv.org/abs/2306.04071 (дата обращения: 08.11.2025).
