Для авторов
Найти
Результаты поиска
Найдено результатов: 7.
-
РАЗРАБОТКА СИСТЕМЫ ИЗБИРАТЕЛЬНОГО ПОДАВЛЕНИЯ БЕСПРОВОДНЫХ СИГНАЛОВ
Ю.А. Заргарян , Е.В. Заргарян , В.И. Кошенский , К.О. Кирсанов2023-12-11Аннотация ▼Использование устройств с беспроводной передачей данных в современном мире дав-
но стало обыденностью. К подобным устройствам относятся смарт-часы, беспроводные
наушники и гарнитуры. Такие устройства обеспечивают мобильность и удобство отсут-
ствием проводов и высокой функциональностью. Одним из существенных недостатков
использования беспородных устройств является снижение эффективности восприятия
окружающего мира человеком, в частности это касается слухового канала информации.
Особенно остро такая проблема возникает при переходе железнодорожных путей пеше-
ходами в наушниках. В данной работе предлагается решение такой проблемы, рассматри-
вается система избирательного подавления беспроводной связи, а именно сигналов
Bluethooth и Wi-Fi. Такая система на базе уникальных алгоритмов имеет возможность
обнаружения приближения пешеходов к железнодорожным переходам с помощью видео-
камер, а также на основе сканирования и анализа эфира окружающих беспроводных сетей
может избирательно подавлять сигналы Bluetooth и Wi-Fi в зоне действия установки. Та-
ким образом, система отключает беспроводные устройства пешеходов вблизи железнодо-
рожных переходов, тем самым привлекает их внимание к запрещающему сигналу светофо-
ра, светошумовой сигнализации и приближающемуся поезду. Система работает на основе
главного управляющего микроконтроллера, который с помощью реле контролирует подачу
электропитания на включение подавителя только при обнаружении в радиусе досягаемо-
сти беспроводных сигналов, которые необходимо подавить, или при наличии пешеходов в
поле зрения видеокамер. Кроме того, система подразумевает метод оценки паттернов
поведения пешеходов при подавлении беспроводной связи на основе нейросетей по распо-
знаванию образов с последующей интерпретацией полученных данных. Это позволит со-
брать статистическую информацию с целью анализа реакции людей на работу системы
вблизи железнодорожных переходов. -
ИНТЕЛЛЕКТУАЛЬНАЯ СИСТЕМА КОНТРОЛЯ ЗАТОРОВ НА ДОРОГАХ С ИСПОЛЬЗОВАНИЕМ КОНТРОЛИРУЕМОГО АЛГОРИТМА МАШИННОГО ОБУЧЕНИЯ НА БАЗЕ АДАПТИВНОГО IOTN
Х.С.Х. Аламир , Е.В. Заргарян , Ю. А. Заргарян2023-06-07Аннотация ▼Явление заторов на дорогах возникает, когда норма спроса на дороге или на транс-
портном объекте превышает имеющуюся пропускную способность, причем бывает двух
видов: либо рутинная, т.е. возникает в определенные моменты времени, которые являют-
ся пиковыми, например, на дороге, идущих или возвращающихся с работы или учебных за-
ведений людей; либо другой тип – внезапные появившееся заторы, возникающие в резуль-
тате дорожно-транспортного происшествия, то есть в случае аварии на дороге, либо в
силу других форс-мажорный причин. В связи с этим для уменьшения нарастания заторов в
городах, можно и необходимо в современных условиях жизни и развития технологий ис-
пользовать концепцию умных систем. Она отличается множеством алгоритмов, исполь-
зуемых в мире машинного обучения (ML) и Интернета вещей (IoT) для более точного про-
гнозирования потока трафика в краткосрочной перспективе и выявления возможностей
для предотвращения заторов. В современных городах могут использоваться множество
различных датчиков для сбора информации для прогнозирования краткосрочного трафика
на территории города и точного захвата пространственной и временной эволюции (изме-
нения) транспортного потока. Алгоритмы, внедренные в машинное обучение, улучшают
возможности разрабатываемой системы. Качество принимаемых решений разрабаты-
ваемого искусственного интеллекта увеличивается при одновременном увеличении объема
собираемых данных. В этой статье предлагается модель системы TCC-SVM для анализа
пробок на дорогах в среде умного города. Предлагаемая модель включает в себя систему
управления трафиком Интернета вещей (IoT), которая сообщает о заторах в определен-
ной точке. Существующие системы управления дорожным движением становятся неэф-
фективными из-за увеличения количества транспортных средств на дорогах. В городских
районах пробки и аварии являются серьезной проблемой. Интеллектуальная транспортная
система необходима для решения проблем, вызванных заторами на дорогах -
ГЛУБОКОЕ ОБУЧЕНИЕ МЕТОДАМ ЗАЩИТЫ ОТ АТАК
Р.М.Х. Ауси , Е.В. Заргарян , Ю. А. Заргарян2023-06-07Аннотация ▼В последние годы алгоритмы машинного обучения, а точнее алгоритмы глубокого обу-
чения, широко используются во многих областях, включая кибербезопасность. Однако сис-
темы машинного обучения уязвимы для атак со стороны злоумышленников, и это ограничи-
вает применение машинного обучения, особенно в нестационарных средах со враждебными
действиями, таких как область кибербезопасности, где существуют настоящие злоумыш-
ленники (например, разработчики вредоносных программ). С быстрым развитием методов
искусственного интеллекта (ИИ) и глубокого обучения (ГО) важно обеспечить безопасность
и надежность реализованных алгоритмов. В последнее время уязвимость алгоритмов глубо-
кого обучения к конфликтующим паттернам получила широкое признание. Изготовленные
сфабрикованным образом образцы для анализа могут привести к различному нарушению
поведения моделей глубокого обучения, в то время как люди будут считать их безопасными
для использования. Успешная реализация атак противника в реальных физических ситуациях
и сценариях реального физического мира еще раз доказывает их практичность. В результате
методы состязательной атаки и защиты привлекают все большее внимание со стороны
сообществ безопасности и машинного обучения и стали горячей темой исследований в по-
следние годы не только на территории России, но и других странах. Компании «Сбербанк»,
«Яндекс», «Группа Т1», «Медицинский центр Атлас» и многие другие ведут разработку кон-
курентоспособных решений, в том числе и на международном рынке. К сожалению, в списке
10 крупнейших ИТ-компаний направление Big Data, в частности и защита от атак пред-
ставлено только компанией «Группа Т1», но потенциал роста рынка огромный. В данной
работе представляются теоретические основы, алгоритмы и применение методов состя-
зательных атак противника. Затем описывается ряд исследовательских работ по методам
защиты, охватывающих широкий спектр исследований в этой области. В этой статье ис-
следуется и обобщаются состязательные атаки и средства защиты, которые представля-
ют собой самые современные исследования в этой области и отвечают последним требова-
ниям, предъявляемым к информационной безопасности. -
МОДЕЛИ МАШИННОГО ОБУЧЕНИЯ И ГЛУБОКОГО ОБУЧЕНИЯ ДЛЯ ЭЛЕКТРОННОЙ ИНФОРМАЦИОННОЙ БЕЗОПАСНОСТИ В МОБИЛЬНЫХ СЕТЯХ
Ауси Рим Мохаммед Худхейр, Е. В. Заргарян , Ю. А. Заргарян2022-08-09Аннотация ▼Недавние достижения в технологиях беспроводной связи привели к созданию огром-
ного количества данных, которые передаются повсеместно. Большая часть такой инфор-
мации является частью обширной и общедоступной сети, которая соединяет различные
стационарные и мобильные устройства по всему миру. Возможности электронных уст-
ройств также увеличиваются день ото дня, что приводит к большему объему генерации
данных и обмена информацией через сети. Аналогичным образом, с ростом разнообразия и
сложности структур мобильных сетей увеличилась частота возникновения нарушений
безопасности в ней. Это препятствует внедрению интеллектуальных мобильных прило-
жений и услуг, о чем свидетельствует большое разнообразие платформ, которые предос-
тавляют услуги хранения данных, вычислений с данными и приложений конечным пользо-
вателям. В таких сценариях становится необходимым защитить данные и проверить их
использование в сети и приложениях, а также проверить их некорректное использование с
целью защиты частной информации. Согласно данному исследованию, модель безопасно-
сти на основе искусственного интеллекта должна обеспечивать конфиденциальность,
целостность и надежность системы, ее оборудования и протоколов, управляющих сетью,
независимо от ее создания, чтобы управлять такой сложной сетью, как мобильная. От-
крытые трудности, с которыми все еще сталкиваются мобильные сети, такие как не-
санкционированное сканирование сети, мошеннические ссылки и т.д., были тщательно
изучены в данной статье. Также в данном материале обсуждаются несколько технологий
машинного и глубокого обучения, которые можно использовать для создания безопасной
среды, а также многие угрозы кибербезопасности. Необходимо обратиться к необходимо-
сти разработки новых подходов для обеспечения высокого уровня безопасности электрон-
ных данных в мобильных сетях, поскольку возможности повышения безопасности мобиль-
ных сетей безграничны. -
ОЦЕНКА СОСТОЯНИЯ ДИНАМИЧЕСКОГО ВЗВЕШИВАНИЯ С ИСПОЛЬЗОВАНИЕМ ФИЛЬТРА КАЛМАНА
Е.В. Заргарян , Ю. А. Заргарян , А. Я. Номерчук2022-05-26Аннотация ▼В настоящее время в связи с повсеместной компьютеризацией разработка систем
автоматизированного управления является актуальной. В связи с развитием малого бизне-
са приобретение промышленно выпускаемых систем является весьма дорогостоящим ре-
шением. Возможно создание аналогичных систем управления на основе недорогих микро-
процессорных комплектов (в данном конкретном случае используется микропроцессорный
комплект К1816ВЕ35). В дальнейшем подобную систему нетрудно будет усовершенство-
вать, а также легко реализовать сопряжение с различными электронно-вычислительными
машинами (управление с персонального компьютера). Разработке подлежит система из-
мерения и регулирования сыпучего сырья (система автоматизированного взвешивания),
обеспечивающая управление автоматикой пневмотранспорта с 2-х скоростным ротаци-
онным дозатором, посредством которого сыпучее сырье подается на весовой бункер, под-
вешенный на тензодаточное устройство. Измерения веса сыпучей массы в бункере весов, с
последующим управлением автоматикой выгрузки сыпучего сырья из бункера. Рентабель-
ность любой промышленной операции, включающей взвешивание сырья, незавершенного
производства и готовой продукции, напрямую зависит от точности данных о весе. Однако
даже при использовании высокоточного оборудования для взвешивания метод сбора, запи-
си и обработки данных о весе для системы микро ингредиентов может быть подвержен
ошибкам и неточностям. Это может вызвать потенциальную утечку доходов, которую
трудно обнаружить и проверить. Во многих случаях предполагается, что причина пробле-
мы связана с весовым оборудованием, тогда как на самом деле это связано с традиционной
системой сбора данных и управления. На многих заводах, где смешивают сыпучие продук-
ты партиями, дозирование весов представляет собой ручную, трудоемкую операцию, при
которой ингредиенты взвешиваются по отдельности перед загрузкой в блендер или другую
технологическую емкость. Значительное количество таких заводов может выиграть от
установки автоматизированной системы взвешивания и дозирования. -
МОДЕЛЬ ПРОГНОЗИРОВАНИЯ ТРАНСПОРТНОГО ПОТОКА НА ОСНОВЕ НЕЙРОННЫХ СЕТЕЙ ДЛЯ ПРЕДСКАЗАНИЯ ТРАФИКА НА ДОРОГАХ
Аламир Хайдер Сагбан Хуссейн, Е.В. Заргарян, Ю. А. Заргарян124-1322021-08-11Аннотация ▼В связи с индустриализацией современного общества, ростом транспортных систем нашей страны, увеличения определенных необходимых для развития потребностей граждан нашей страны количество транспортных средств разных видов и типов с каждым годом продолжает увеличиваться с большой скоростью, вызывая огромные пробки на транспортных дорогах, особенно в больших городах и мегаполисах. Таким образом, прогнозирование транспортных потоков является важным и необходимым компонентом оптимального управления трафиком в современных условиях развития транспортной сети. В качестве решения этой проблемы данная статья нацелена на анализ и описание приме-нения методов искусственного интеллекта, в частности нейронных сетей, что представляет современный подход к моделированию в сложных и нелинейных ситуациях, возникаю-щих при прогнозировании модели транспортного потока. Показанный метод точности основан на разработке нейронной сети для прогнозирования дневного потока трафика. Затем ожидаемый транспортный поток сравнивается с реальным набором данных, записанным на участке дороги и предоставленным менеджером инфраструктуры. Фактически, нейронные сети способны извлекать уроки из прошлых возникших ситуаций и предсказывать будущие ситуации на транспортной сети. В этом исследовании были изучены раз-личные структуры нейронной сети, и результаты моделирования показали, что лучшие прогнозы были получены с использованием многослойной архитектуры персептрон, кото-рая имеет хорошую систему обобщения со средней общей квадратичной ошибкой 0,00927 при текущем наборе транспортных средств. Первая часть статьи посвящена определению различных концепций, относящихся к текущей области исследований, включая обзор литературы по прогнозированию трафика и нейронным сетям. Вторая часть посвящена описанию проблемы перегрузки трафика с помощью задач прогнозирования и представлению предлагаемого метода решения с акцентом на искусственные нейронные сети, как средство прогнозирования спроса и его различных структур. Затем численные эксперименты проиллюстрированы анализом результатов прогноза после формирования и тестирования различных архитектур нейронных сетей.
-
ПРИМЕНЕНИЕ ТЕХНОЛОГИИ BLUETOOTH LOW ENERGY ДЛЯ КОНТРОЛЯ ПЕРЕМЕЩЕНИЯ ЛЮДЕЙ В ПОМЕЩЕНИЯХ
Ю.А. Заргарян , В.И. Кошенский , К. О. Кирсанов , М. С. Пресняков103-1182025-07-31Аннотация ▼Отслеживание местоположения человека в большой стране, большом городе и
даже районе давно стало реальностью. Благодаря спутникам появилась возмо ж-
ность точно узнать, где находится человек. Однако такие технологии в большей
степени предназначены для определения местоположения на открытой местности,
и их сигнал не способен преодолеть большие железобетонные конструкции, а также
стены и перекрытия в здании. В данной работе предлагается решение такой пр о-
блемы, рассматривается система контроля перемещения людей в помещениях. Такая
система не только определяет положение, где находится человек, с точностью до
полуметра, но и создаёт базу данных, в которой отображается, дата, время и м е-
сто обнаружения человека, а также его идентификация с указанием , кто конкретно
был обнаружен. Система, описанная в данной работе, очень проста в понимании и
имеет низкую стоимость. Работает она с микроконтроллером ESP32 и основана на
базе беспроводной технологии передачи данных Bluetooth Low Energy. Микроко н-
троллер ESP32 выступает в качестве сканера сигнала с параметром RSSI. Получе н-
ные данные, а именно RSSI и уникальный идентификатор, который направлен на
определение личности человека, отправляются на сервер ThingSpeak, где рассчиты-
вается расстояние до источника, в качестве которого выступает смартфон, опре-
деляя его местоположение и фиксирует перемещение. При этом используются м е-
тоды повышения точности, такие как алгоритм Fingerprint. Во всем помещении на
этапе установки системы собираются «отпечатки» в пределах контролируемой
территории, у таких контрольных точек определяются эталонные значения RSSI,
именно на их основе и происходит определение местоположения человека. Также в
данном материале рассматривается решение задачи идентификации и контроля
приближения людей к охраняемому объекту и организация системы сбора и хранения
статистики посещения подконтрольного объекта.
1 - 7 из 7 результатов
