Найти

Результаты поиска

• ИДЕНТИФИКАЦИЯ НЕЯВНЫХ УГРОЗ НА ОСНОВЕ АНАЛИЗА АКТИВНОСТИ ПОЛЬЗОВАТЕЛЯ В ИНТЕРНЕТ-ПРОСТРАНСТВЕ

  В. В. Бова , Д.Ю. Запорожец , Ю.А. Кравченко , Э. В. Кулиев , В.В. Курейчик , Н. А. Лызь

  2020-10-11

  Аннотация ▼

  Статья посвящена проблеме идентификации неявных информационных угроз п о-
  исковой деятельности пользователя в Интернет-пространстве на основе анализа его
  активности в процессе данного взаимодействия. Применение знаний, хранящихся в
  интернет-пространстве, для реализации преступных намерений несет в себе угрозу
  для всего общества. Выявление злого умысла в действиях пользователей глобаль ной
  информационной сети не всегда является тривиальной задачей. Отработанные техн о-
  логии анализа контекста интересов пользователя дают сбой в случае осторожных
  грамотных действий злоумышленников, которые в явном виде не демонстрируют пр е-
  следуемой ими цели. В работе проведен анализ угроз, связанных с определенными сц е-
  нариями реализации поисковых процедур, проявляющихся в поисковой деятельности.
  Описаны критерии оценки неэффективных и эффективного сценариев поиска. Среди
  признаков, указывающих на возможность наличия угрозы, выделены следующие основ-
  ные: уход от решения задачи в бесцельную навигацию или к привлекательным ресурсам,
  поверхностный поиск, отсутствие смыслового погружения в решение поисковой зад а-
  чи, хаотичные действия при поиске. Для определения налич ия неблагоприятных при-
  знаков построена система показателей. Сформулированы признаки эффективного
  сценария организации поиска в Интернет-пространстве, описаны варианты наличия
  неявных угроз для подобной ситуации. Представлен подход идентификации описанных
  угроз с учетом заданных критериев оценки различных сценариев поведения пользоват е-
  ля в глобальном информационном пространстве. Разработан алгоритм машинного
  обучения для идентификации проблемных сценариев путем сравнения с ключевыми
  паттернами поведения. Создана программная реализация подсистемы идентификации
  информационных угроз, проведены экспериментальные исследования для подтвержд ения эффективности подсистемы. Экспериментальные исследования проводились на основе обработки открытых данных из социальных сетей, а также с применением
  анализа поисковой деятельности пользователей в университетской корпоративной
  информационной среде.

• РАЗРАБОТКА БИОЭВРИСТИК ДЛЯ СОЗДАНИЯ ИНТЕЛЛЕКТУАЛЬНОЙ ПОДСИСТЕМЫ ПРИНЯТИЯ ЭФФЕКТИВНЫХ РЕШЕНИЙ NP- ТРУДНЫХ И NP-СЛОЖНЫХ КОМБИНАТОРНО-ЛОГИЧЕСКИХ ЗАДАЧ НА ГРАФАХ

  Д.В. Заруба , Э.В. Кулиев , Д. Ю. Запорожец , М. М. Семенова

  2021-11-14

  Аннотация ▼

  Статья посвящена решению новых актуальных проблем, возникших в условиях со-
  временного развития информационных и нанометровых технологий в области проектиро-
  вания, а также разработке новых инновационных методов, обеспечивающих получение
  эффективных решений за полиномиальное время. В статье рассматривается проблема
  решения NP-сложных задач. Приведено описание процедуры измерения сложности задачи.
  Описаны особенности NP- трудных и NP-сложных комбинаторно-логических задач. При-
  ведены основные различия между задачами, а также проблемы, с которыми приходится
  сталкиваться при решении такого вида задач. Представлена общая схема принятия реше-
  ний, состоящая из формулировки проблемы; принятие решения; сигнала в автоматических
  системах и обратной связи. На втором этапе (формирование и выбор вариантов решений)
  решение основывается на биоинспирированном алгоритме поиска решений задачи комми-
  вояжёра. Для решения поставленной задачи был разработан модифицированный биоинспи-
  рированный алгоритм, основанный на поведении муравьиной колонии. В отличие от других
  методов оптимизации, метаэвристические алгоритмы могут находить глобальные опти-
  мальные решения для задач, где существует много локальных решений из-за их случайного
  характера. Эти причины привели к широкому использованию таких алгоритмов при реше-
  нии различных задач оптимизации. Биоинспирированные алгоритмы становятся новой
  революцией в области решений оптимизационных задач. Представлена постановка задачи
  коммивояжера, а также решение поставленной задачи на основе муравьиного алгоритма.
  Алгоритмы, такие как генетические алгоритмы и PSO могут быть очень полезными, но
  они все еще имеют некоторые недостатки в решении проблем мультимодальной оптими-
  зации. Эти алгоритмы способны находить оптимальные решения независимо от физиче-
  ской природы проблемы. В рамках экспериментальных исследований был произведен анализ
  работы биоинспирированных алгоритмов: алгоритм стаи летучих мышей бактериальный
  алгоритм и муравьиный алгоритм.

• РЕШЕНИЕ ЗАДАЧИ ИНТЕЛЛЕКТУАЛЬНОГО АНАЛИЗА ДАННЫХ НА ОСНОВЕ БИОИНСПИРИРОВАННОГО АЛГОРИТМА

  Э.В. Кулиев , Д. Ю. Запорожец, Ю.А. Кравченко , М.М. Семенова

  2022-01-31

  Аннотация ▼

  Рассматривается биоинспирированный алгоритм для решения задач интеллектуаль-
  ного анализа. Интеграция биоинспирированных алгоритмов для решения задач интеллек-
  туального анализа данных является перспективным направлением исследований. В качест-
  ве биоинспирированного алгоритма, рассмотрен алгоритм, основанный на адаптивном
  поведении муравьиной колонии. Алгоритм муравьиной колонии позволяет производить ка-
  чественный поиск перспективных решений для получения оптимальных и квазиоптималь-
  ных решений. Алгоритм обладает способностью выполнять поиск подходящей логических
  условий. Алгоритм муравьиной колонии основан на примере поведения живых муравьев в
  природе. Муравьи способны находить кратчайшее решение адаптируясь к изменениям
  окружающей среды. Авторами предложен модифицированный алгоритм муравьиной коло-
  нии для решения задачи интеллектуального анализа данных. В качестве задачи интеллек-
  туального анализа данных выбрана задача кластеризации. Кластеризация – объединение в
  группы схожих объектов – является одной из фундаментальных задач в области анализа
  данных и Data Mining. Список прикладных областей, где она применяется, широк: сегмен-
  тация изображений, маркетинг, борьба с мошенничеством, прогнозирование, анализ тек-
  стов и многие другие. Решение данной задачи приобретает особую актуальность в услови-
  ях постоянно растущего объема генерируемых, передаваемых и обрабатываемых данных.
  Классические методы кластеризации оптимизированы путем объединения с предложен-
  ным алгоритмом биоинспирированной оптимизации – муравьиным алгоритмом. Предло-
  женный метод представляет собой модель, в которой муравьи представлены в виде аген-
  тов, которые случайным образом перемещаются в пространстве решений с некоторыми
  ограничений (например, препятствия на их пути). Для определения эффективности разра-
  ботанного модифицированного муравьиного алгоритма (АСО) с алгоритмом кластериза-
  ции, авторами была проведена серия вычислительных экспериментов. Для сравнения были
  взять генетический алгоритм, алгоритм обезьян и алгоритм волков. Результаты модели-
  рования доказывают, что муравьиный алгоритм на основе кластеризации дает лучшие
  результаты, чем другие предлагаемые алгоритмы.