СПОСОБ ОЦЕНКИ СОСТОЯНИЯ РАСПРЕДЕЛЕННОЙ ИНФОРМАЦИОННОЙ СИСТЕМЫ

Fadey Aleksandrovich Skorik


Аннотация


В связи с территориальной разнесенностью и большим количеством объектов у администратора информационной системы не всегда есть возможность оценить ее текущее состояние. Для получения такой оценки необходимо обработать большое число значений различных показателей состояния. В статье рассматривается способ оценки текущего состояния распределенной информационной системы, реализованный с использованием элементов искусственного интеллекта. Использование искусственных нейронных сетей для кластеризации и обобщения данных, а также в качестве ассоциативной памяти, позволяет свести к минимуму время, необходимое для вычислений и поиска решений возникающих проблем. Предложенный способ реализован в виде модели, исходными данными которой выступают обработанные соответствующим образом данные, полученные от подконтрольных объектов распределенной информационной системы. В модели осуществляется расчет обобщенного показателя, определяющего текущее состояние распределенной информационной системы в виде одного, легко вычисляемого значения.

Ключевые слова


распределенная информационная система; искусственные нейронные сети; показатели состояния; модель оценки состояния

Литература


Щуремов Е.Л., Чистов Д.В., Лямова Г.В. Информационные системы управления предприятиями. – М.: Бухгалтерский учет, 2006. 109 с.

Комашинский В.И., Смирнов Д.А. Нейронные сети и их применение в системах управления и связи. – М.: Горячая линия–Телеком, 2003. 95 c.

Котенко И.В., Саенко И.Б., Полубелова О.В., Чечулин А.А. Применение технологии управления информацией и событиями безопасности для защиты информации в критически важных инфраструктурах // Труды СПИИРАН. 2012. № 1 (20).

С. 27-56.

Котенко И.В., Саенко И.Б. Архитектура системы интеллектуальных сервисов защиты информации в критически важных инфраструктурах // Труды СПИИРАН. 2013. № 1 (24). С. 21-40.

Kotenko I., Chechulin A. Common framework for attack mode-ling and security evaluation in SIEM systems // Proceedings of the 2012 IEEE Int. Conf. on Green Computing and Communications (GreenCom 2012), Conf. on Internet of Things (iThings 2012) and Conf. on Cyber, Physical and Social Computing (CPSCom 2012). 2012. Pр. 94-101.

Скорик Ф.А., Саенко И.Б. Нейросетевая модель оценки состояния распределенной информационной системы // Инновации в науке. 2013. № 16-1. С. 151-155.

Осовский С. Нейронные сети для обработки информации. – М.: Финансы и статистика, 2002. 344 с.

Хайкин С. Нейронные сети. Полный курс. Второе издание. [Пер. с англ.]. – М.: Вильямс, 2006. 1104 с.

Hopfield J. J. Neural networks and physical systems with emergent collective computational abilities. Proc. Natl. Acad. Sci. USA. Vol. 79, April 1982. Рp. 2554-2558.

Ikeda N., Watta P., Hassoun M. Capacity analysis of the two-level decoupled Hamming associative memory. Proceedings of the International Joint Conference on neural networks, IJCNN 98, May, 1998. Рp. 486-491.

Куделя В.Н., Апарина Е.Ю., Бегаев А.Н. Проблемы и решения по доставке информации приложений реального времени в IP-сетях // Информационные технологии № 7. – М.: Новые технологии, 2011. С. 14-18.

Гладицин В.А., Яновский В.В. Средства моделирования вычислительных сетей. – СПб.: Издательство СПбГЭТИ «ЛЭ-ТИ», 2001. 128 с.




DOI: https://doi.org/10.12731/wsd-2015-2-18

Ссылки

  • На текущий момент ссылки отсутствуют.


Bookmark and Share


(c) 2016 В мире научных открытий



ISSN 2658-6649 (print)

ISSN 2658-6657 (online)

HotLog Яндекс цитирования