Для підвищення адекватності результатів кліодинамічних досліджень використовується інформаційна технологія багаторівневого інтелектуального моніторингу в поєднанні з експертними оцінками результатів моделювання. Результати інтерпретувались у межах класичних концепцій історичної науки. Це сприяє залученню до аналізу джерел систем штучного інтелекту (баз знань, експертних систем, когнітивних комп'ютерних моделей розуміння тексту, фреймових систем), в яких моделюються знання істориків. У разі формування масиву числових характеристик певних історичних періодів на сьогодні спостерігається тенденція до збільшення питомої ваги історичних джерел, створених колективним способом. Застосування технології інтелектуального моніторингу надає змогу автоматизувати процеси обробки історичних даних і підвищити ефективність наукових досліджень та адекватність висновків. Представлено результати застосування технології багаторівневого інтелектуального моніторингу для розв'язання однієї з задач кліометрії. Розв'язувалась задача визначення подібності історичних періодів. Перелік ознак, що описують історичні періоди, визначено експертним шляхом. Тривалість часового проміжку вибрано за результатами обробки статистичних даних. Числові характеристики вибраних ознак формувались впродовж однакових часових проміжків і утворювали вектор ознак для кожного з історичних періодів. Вектори ознак історичних періодів піддавались кластеризації за результатами моделювання. Метод синтезу моделей вибирався окремо для формування кожного кластера за результатами випробування кожного алгоритму синтезу моделей моніторингової інтелектуальної системи. У більшості випадків моделі-кластеризатори будувались за багаторядним алгоритмом GMDH. Описано процеси формування масиву вхідних даних, синтезу моделей та визначення впливу ознак. Експериментально підтверджено доцільність використання нового методу визначення подібності історичних періодів.

Процес прийняття рішень у багатьох предметних областях - задача досить нетривіальна. Залучення "розумних систем" для підтримки процесів прийняття рішень вимагає нових підходів до здобування та зберігання знань. Описано нову концепцію побудови баз модельних знань. В основі концепції твердження про те, що знання відображаються у формі ієрархічного поєднання багатопараметричних моделей. Передбачено здійснення комплексного аналізу існуючих підходів до роботи зі знаннями та вибір моделі їх подання. Відповідно до запропонованої авторами методології створення баз модельних знань описано новий метод онтологічного моделювання. Даний метод грунтується на принципово нових підходах до формування моделі подання знань, до побудови архітектури баз модельних знань та інтелектуальної системи в цілому. Це надає змогу значно розширити функціональні можливості інтелектуальних систем, зокрема, моніторингових інтелектуальних систем, автоматизувати процеси синтезу моделей та глобальних функціональних залежностей, знизити впливовість суб'єктивних оцінок дослідника на результати перетворення даних. Описано результати досліджень засобів онтологічного моделювання, що використовуються для формалізації та систематизації елементів глобальних функціональних залежностей, які поєднують моделі об'єктів спостережень. Ці моделі є розв'язками локальних задач перетворення інформації в окремих предметних областях. Залежно від призначення інтелектуальної системи реалізується поєднання глобальних функціональних залежностей на вищому рівні і таким чином відбувається формування структури бази модельних знань. Використання стратегії координації елементів, яка застосовуються моніторинговою інтелектуальною системою, надає змогу сформувати синергетичні зв'язки між окремими локальними моделями у структурі глобальної функціональної залежності та між глобальними функціональними залежностями на вищому рівні бази модельних знань.

Описано метод моніторингу стану безпеки локальних корпоративних мереж, який об'єднує процеси синтезу та аналізу моделей поведінки вхідних даних, прогнозування їх значень і моделювання процесів кібератак. Створено моделі-класифікатори кіберзагроз. Характеристики потоків даних надходять у мережу за допомогою датчиків, встановлених у заздалегідь запланованих точках-пастках комп'ютерної мережі. Відбувається класифікація векторів із показників, що характеризують ці кібератаки. Отримані результати представлені у вигляді кількісних і якісних оцінок відповідно до основних положень теорії складних систем. Для підвищення ефективності захисту мережі запропоновано централізувати обчислювальний процес із використанням грід-інфраструктури та хмарної платформи. Проведено попереднє порівняння грід і хмарної технологій. Трудомістка і обчислювально складна процедура переноситься з локальних обчислювальних мереж у високопродуктивні середовища. За допомогою імітаційних моделей проведено дослідження змін станів схеми обробки запитів, виходячи з вибірки атак, що надійшли до комп'ютерних систем. Модель, при надходженні вхідних потоків даних, враховує їх вид, а також інтенсивність, запобігаючи використання однотипних атак для здійснення задуманої зловмисником схеми, таким чином нейтралізуючи їх вплив, дозволяючи аналізувати більш складні види кібератак. Крім кібербезпеки, прискорення завдання множинного розпізнавання є актуальним і для багатьох інших важливих додатків, таких як інтелектуальний аналіз даних, прискорена обробка XML-запитів, управління технологією QoS, фільтрація в IP-телефонії, оптимізація кешування тощо.

Індекс рубрикатора НБУВ: З810.400 + Д247

Рубрики:

Математичні моделі штучного інтелекту

Кліматологія

Шифр НБУВ: Ж16683 Пошук видання у каталогах НБУВ