Исследование модели вероятностных автоматов для обнаружения изменения состояния ресурсов автономных измерительных систем

А.В. Скатков, А.А. Брюховецкий, Д.В. Моисеев

Севастопольский государственный университет, РФ, г. Севастополь, ул. Университетская, 33

E-mail: dmitriymoiseev@mail.ru

DOI: 10.33075/2220-5861-2020-4-58-64

УДК 519.8 

Реферат:

   В настоящее время особое значение приобретает получение полной и достоверной информации о физических процессах, происходящих в морских и океанских водах, причем в большинстве случаев невозможно ограничиться только дистанционными наблюдениями, а приходится размещать измерительную аппаратуру непосредственно в море. Такая аппаратура функционирует в автоматическом, необслуживаемом режиме маломощных автономных источников питания. Эти автономные информационно-измерительные системы во время своего функционирования потребляют ресурсы, к основным из которых можно отнести: канал связи, процессор, память и аккумуляторная батарея.

   В настоящей работе рассматривается алгоритмический подход, базирующийся на методах адаптивной интеллектуальной технологии контроля состояния объектов вычислительных систем. Подход ориентирован на обнаружение изменения состояния контролируемых ресурсов автономных информационно-измерительных систем. Представлена адаптивная модель с использованием байесовского классификатора оценивания изменения состояний ресурсов автономных информационно-измерительных систем. Модель базируется на основе вероятностного автомата с адаптивной самонастройкой. На основе предлагаемой модели решается задача оценки состояний ресурсов с целью повышения достоверности результатов классификации информационных ситуаций. В работе описан подход, позволяющий повысить продолжительность непрерывной работы системы мониторинга параметров окружающей среды. Основой такого подхода является адаптивная коррекция показаний первичных измерителей в случае снижения их точности вследствие деградационных отказов. Предложены структура и уравнения такой системы, поставлена задача создания имитационной модели системы.

Ключевые слова: вероятностный автомат, байесовский классификатор, динамическое оценивание ресурсов, адаптивная модель, самонастройка.

Для цитирования: Скатков А.В., Брюховецкий А.А.,  Моисеев Д.В. Исследование модели вероятностных автоматов для обнаружения изменения состояния ресурсов автономных измерительных систем // Системы контроля окружающей среды. 2020. Вып. 4 (42). C. 58–64.

Полный текст в формате PDF

СПИСОК ЛИТЕРАТУРЫ

  1. Скатков А.В., Брюховецкий А.А., Моисеев Д.В. Интеллектуальная система мониторинга для решения крупномасштабных научных задач в облачных вычислительных средах // Информационно-управляющие системы. СПб.: Изд-во «ГУАП», 2017. № 2 (87). С. 19–25.
  2. Skatkov А., Brykhovetskiy А., Moiseev D. Detecting changes simulation of the technological objects’ information states // MATEC Web of Conferences. Vol. 224, 2018. 02072 (ICMTMTE 2018). https://doi.org/10.1051/matecconf/201822402072 10.
  3. Скатков А.В., Брюховецкий А.А., Моисеев Д.В., Шевченко В.И. Оценивание состояний природно-технических систем на основе динамической кластеризации // Системы контроля окружающей среды. 2020. Вып. № 1 (39). С. 135–144.
  4. Ширяев А.Н. Вероятностно-статистические методы в теории принятия решений. 2-е изд., новое. М.: МЦНМО, 2014. 144 с.
  5. Информационные технологии для критических инфраструктур: монография / под ред. А.В. Скаткова.Севастополь: СевНТУ, 2012. 306 с.
  6. Skatkov A.V., Bryukhovetskiy A.A., Moiseev D.V. Intelligent monitoring system for solving large-scale scientific problems in cloud computing environments // Information and control systems. 2017. Vol. 2. P. 19–25.
  7. Skatkov А., Brykhovetskiy А., Moiseev D. Detecting changes simulation of the technological objects’ information states // MATEC Web of Conferences. Vol. 224, 2018. 02072 (ICMTMTE 2018). https://doi.org/10.1051/matecconf/201822402072
  8. Поспелов Д.А. Вероятностные автоматы. М.: Энергия, 1970. 88 с.
  9. Зегжда П.Д. Систематизация киберфизических систем и оценка их безопасности / П.Д. Зегжда, М.А. Полтавцева, Д.С. Лаврова // Проблемы информационной безопасности. Компьютерные системы. 2017. № 2. С. 127–138.
  10. Al-kahtani M.S. Survey on security attacks in vehicular ad hoc networks (vanets) // 2012 6th International Conference on Signal Processing and Communication Systems, Dec 2012. P. 1–9.
  11. Pan L., Zheng X., Chen H. et al. Cyber security attacks to modern vehicular systems // Journal of Information Security and Applications. 2017. Vol. 36. P. 90–100.
  12. Markovitz M. and Wool A. Field classification, modeling and anomaly detection in unknown can bus networks // Vehicular Communications. 2017. Vol. 9. P. 43–52.
  13. Nilsson D.K., Larson U.E., Picasso F. et al. A first simulation of attacks in the automotive network communications protocol flexray // Proceedings of the International Workshop on Computational Intelligence in Security for Information Systems CISIS’08.Springer. 2009. P. 84–91.
  14. Шалыто А.А. Парадигма автоматного программирования // Научно-технический вестник СПбГУ ИТМО. Автоматное программирование. 2008. Вып. 53. С. 3–23. 50–58.

Loading