Информационно-управляющие системы

Распознавание дорожных знаков с использованием системы Интернета вещей и глубокого обучения

Конг Тханг Фам — 2025-05-01

Введение: автоматическое распознавание дорожных знаков является важной частью модернизации систем безопасности дорожного движения и минимизации связанных с ним инцидентов. Цель: разработать систему распознавания дорожных знаков Вьетнама с интеграцией IoT-технологий, камер, датчиков и методов глубокого обучения. Результаты: представлено передовое решение компьютерного зрения, использующее нейронную архитектуру YOLOv8 для распознавания и классификации дорожных знаков Вьетнама в реальном времени. Система интегрирует местоположение обнаруженных знаков в Google Maps и предоставляет обширную базу данных местоположения всех знаков в городских районах. Сбор данных осуществляется путем первоначальной съемки изображений с реальных дорог и их объединения с существующим набором данных дорожных знаков Вьетнама из Kaggle. Для повышения надежности набора данных применяется техника аугментации Mosaic. Для распознавания дорожных знаков в режиме реального времени плата Raspberry Pi 4 отображает обнаруженные дорожные знаки на экране HMI, в то время как специально разработанное мобильное приложение обнаруживает, распознает и уведомляет пользователей об их местоположении. Обученная система достигает 89 % значения mAP50 и 90 % точности, что довольно хорошо для распознавания дорожных знаков. Кроме того, модель YOLOv8 демонстрирует 89,7 % точности (precision) и 86,8 % полноты (recall), что значительно выше по сравнению с методами SVM и MSER/HOG. Практическая значимость: созданная интегрированная в Google Maps система распознавания в реальном времени дорожных знаков удовлетворяет потребности регулирования дорожного движения, обеспечения безопасности и снижения аварийности на улицах Вьетнама.

Применение пространственного подхода для задачи архивации телеметрических данных

Илья Владимирович Богачев — 2025-05-01

Введение: для обработки данных телеметрии, которым в последние годы не уделялось достаточного внимания, существует ряд алгоритмов как специализированных, так и общего назначения, ни один из которых не показывает хотя бы приемлемую эффективность, и все имеют ряд фундаментальных ограничений. Цель: разработать эффективный алгоритм сжатия/восстановления наборов кадров телеметрических данных на основе пространственного подхода к их представлению и формата хранения их сжатого представления для задачи архивации. Результаты: предложен алгоритм сжатия наборов кадров телеметрических данных, представляющих собой трехмерные разностно-битовые матрицы, рассмотрены различные способы их отображения в тело фрактального куба. Для хранения сжатого представления данных разработан специализированный формат описания, который эффективно может быть применен в задаче архивации данных. Приведены оценки скорости и качества работы разработанного алгоритма, который по эффективности сравнивался с алгоритмом, основанным на построении префиксных кодов Хаффмана, и с алгоритмом DEFLATE, входящим в состав утилиты WinRAR, который в свою очередь является фактическим отраслевым стандартом для решения задач сжатия и архивации. В результате доказано существенное превосходство разработанного алгоритма над алгоритмами Хаффмана и DEFLATE в скорости и коэффициенте сжатия. Практическая значимость: использование предложенного алгоритма может привести к значительным технико-экономическим выгодам для промышленных предприятий и улучшению эффективности работы систем передачи телеметрических данных. Обсуждение: основным недостатком разработанного алгоритма является нелинейная зависимость времени сжатия от размерности сжимаемых данных, являющаяся следствием как невозможности эффективно сегментировать данные для их раздельной обработки, так и необходимости в многопроходной обработке. Решение данных проблем открывает ряд перспективных направлений для дальнейшего развития алгоритма.

Классификация прецедентов группового управления

Вячеслав Константинович Абросимов — 2025-05-01

Введение: в условиях развития автономности беспилотных средств важно совершенствовать методы повышения автономности. Одним из таких методов является использование прецедентов, которые позволяют системе принимать решения в текущей ситуации, опираясь на прошлый опыт. Цель: для эффективного использования прецедентов разработать классификацию прецедентов группового управления с помощью иерархического и фасетного метода, оценить емкость и коэффициент заполненности классификации таких прецедентов. Результаты: введены новые определения прецедентного состояния, прецедентной коллизии, прецедентной ситуации, прецедентных фактов. Подтверждена применяемость распространенных методов классификации – иерархического и фасетного – и к прецедентам группового управления. Приведена глубина иерархической классификации для различных классов, достаточная для решения практических задач. Введены два новых определения: «ядро» и «бахрома» прецедента, – которые требуются для построения фасетной классификации. Они позволяют выбрать несколько вариантов типовых прецедентов, состояния группы в которых можно описать только «ядрами» признаков, не обращая особого внимания на «бахрому». На основе логико-лингвистической модели создана фасетная формула для прецедентов, учитывающая «ядро» и «бахрому» прецедента. Также проведена оценка емкости и коэффициента заполненности классификации прецедентов, в результате для каждой классификации определена емкость. Анализ признаков прецедентов позволяет сделать вывод о том, что возникновение прецедента в групповом управлении является достаточно сложным явлением, учитывающим различные аспекты прецедента. В результате на основе классификации прецедентов сформулировано определение группового прецедента. Практическая значимость: классификация прецедентов позволяет более эффективно управлять беспилотными средствами, так как облегчает поиск подходящих прецедентов при необходимости принятия решения в ходе выполнения миссии.

Метод активной защиты объектов критической информационной инфраструктуры от кибератак на основе прерывания процесса воздействия нарушителя

Вадим Александрович Задбоев — 2025-05-01

Введение: развитие IT-технологий и особенности динамического взаимодействия сторон конфликта объектов критической информационной инфраструктуры и нарушителей приводит к появлению новых кибератак. Цель: разработать новый подход к мониторингу, анализу и прерыванию цепочки атаки еще до достижения цели вторжения на ранних этапах атак с учетом результатов моделирования процессов противоборства. Результаты: структурирован процесс реализации кибератаки, включающий в себя основные фазы: анализ и внедрение, активное воздействие и завершение с выводом данных. Учтены особенности современных методов многоэтапных атак и используемых программ нарушителем. Разработаны временная модель многоэтапной атаки и граф состояний действий нарушителя, что позволило рассчитать вероятностно-временные характеристики успешного воздействия нарушителя на сеть. Предложен алгоритм прерывания кибератаки на этапе сканирования сети, предполагающий выявление попыток сканирования сети, сбор и обработку информации о нарушителе, а также формирование ответных мер для прерывания атаки и автоматизированный контроль эффективности системы с возможностью корректировки мер защиты. В результате смоделирован процесс реализации активной защиты информационно-вычислительной сети от кибератаки, продемонстрировавший эффективность предложенного метода защиты. Практическая значимость: применение метода прерывания цикла кибератаки на объекты критической информационной инфраструктуры позволит повысить оперативность пресечения воздействий на ранних стадиях проникновения.

Автоматизированная система анализа слабоструктурированных данных киберразведки с использованием больших языковых моделей

Андрей Иванович Луцкович — 2025-05-01

Введение: актуальной проблемой является недостаточная эффективность и высокая трудоемкость анализа и управления слабоструктурированными и структурированными данными киберразведки, собираемыми из различных источников. Цель: повышение эффективности (сокращение трудозатрат экспертов, обеспечение полноты и оперативности обновления базы знаний) анализа данных киберразведки с помощью методов искусственного интеллекта. Результаты: проведенный анализ подходов к построению систем управления данными киберразведки показал, что перспективным направлением является применение больших языковых моделей в составе «вопрос-ответной» системы поддержки принятия решений с механизмом расширенной дополненной генерации. Разработаны структурная схема и функциональная модель системы интеллектуального анализа данных киберразведки на основе больших языковых моделей с применением конвейера расширенной дополненной генерации; алгоритм семантической разметки и извлечения информации из слабоструктурированных данных; исследовательский прототип (компонентная модель, микросервисная архитектура) программного обеспечения. Отличительной особенностью системы является комплексирование сведений из нескольких источников с помощью конвейера расширенной дополненной генерации. Вычислительный эксперимент на подготовленном наборе данных показал согласованность экспертных ответов с ответами, предложенными системой, на уровне 3,98 балла из пяти. Значение метрики BERTScore F1 составило 0,89, метрики «корректность ответов» (Answer Correctness) фреймворка RAGAS – 0,822. Практическая значимость: применение больших языковых моделей обеспечивает возможность аккумулировать знания об актуальных сценариях атак в рамках единой базы знаний. Это позволяет повысить эффективность обработки данных с целью оказать значимую поддержку специалистам по защите информации в ходе анализа актуальных угроз, уязвимостей и сценариев реализации компьютерных атак за счет снижения трудозатрат (времени сбора и обработки) и тем самым повысить защищенность корпоративных информационных систем. Обсуждение: дальнейшее повышение эффективности анализа данных киберразведки возможно на основе построения гетерогенных «комитетов экспертов» из больших языковых моделей и мультиагентных систем.

Декодирование одиночных пакетов ошибок по минимуму длины пакета на основе информационных совокупностей

Мария Николаевна Исаева — 2025-05-01

Введение: для улучшения характеристик систем связи и хранения информации необходимо учитывать специфику шума, которая во многих практических ситуациях приводит к эффекту пакетирования ошибок. Декодирование независимых ошибок по информационным совокупностям является лучшим методом декодирования случайных линейных кодов, но имеет экспоненциальную сложность. Цель: анализ корректирующей способности и вычислительной сложности алгоритмов на основе информационных совокупностей для исправления одиночных пакетов ошибок. Результаты: введен критерий декодирования одиночных пакетов с использованием информационных совокупностей на основе минимума длины пакета. Доказано, что такой критерий обеспечивает исправление всех пакетов ошибок в пределах корректирующей способности линейного кода. Рассмотрены вопросы уменьшения количества необходимых для правильного декодирования информационных совокупностей, в целях чего исследованы методики построения множества информационных совокупностей ограниченного диаметра, называемых плотными. Проведен анализ, показывающий возможность снизить мощность множества информационных совокупностей с O(n) до O(1). Оценена вероятность построения множества и сформулирована оптимизационная задача по максимизации этой вероятности. Практическая значимость: разработанный декодер одиночных пакетов ошибок на основе критерия минимальной длины пакета, а также методика построения плотных информационных совокупностей мощностью O(1) гарантируют реализацию корректирующей способности случайных линейных кодов при исправлении одиночных пакетов ошибок. Обсуждение: полученные результаты подтверждают, что задача исправления однократных пакетов ошибок случайными линейными кодами является полиномиальной. Вместе с тем рассмотренные методы позволяют получать множества информационных совокупностей с достаточно высокой вероятностью лишь для кодов с не очень большой скоростью, а при использовании других, более практических классов кодов, вероятности нахождения множеств информационных совокупностей могут достаточно сильно измениться, что является направлением дальнейших исследований.

Сведения об авторах

. . — 2025-05-01