Файл: Издательский центр сфера Всероссийская научнопрактическая конференция грань науки 2022.pdf
ВУЗ: Не указан
Категория: Не указан
Дисциплина: Не указана
Добавлен: 12.04.2024
Просмотров: 163
Скачиваний: 0
ВНИМАНИЕ! Если данный файл нарушает Ваши авторские права, то обязательно сообщите нам.
Всероссийская научно-практическая конференция «ГРАНЬ НАУКИ 2022»
346 информацию для построения тенденций и планирования режимов эксплуатации, технического обслуживания и ремонтов. Кроме того, цифровой двойник позволяет рассчитывать экономические показатели, способствуя тем самым принятию оптимальных и взвешенных решений [5].
1 ... 33 34 35 36 37 38 39 40 ... 44
АR НА ОБСЛУЖИВАНИЕ КОМПРЕССОРНЫХ СТАНЦИЙ
Использование технологии дополненной реальности позволяет передавать результаты расчетов на основе моделей цифровых двойников производственному персоналу и помогает ему быстро и правильно реагировать на поступающие оповещения. Это значительно упрощает работу эксплуатационного персонала и позволяет технику избежать многих ошибок.
Кроме того, технологии дополненной реальности позволяют на месте контролировать физические и виртуальные показания измерительных приборов (полученных от цифрового двойника), получать предупреждения и интерактивные электронные технические руководства по
ТОиР, объясняющие выполнение сложных процедур и дающие рекомендации, а также получать различные базовые информация в виде аудио-видео контента.
Дополненная реальность также служит инструментом, помогающим выездному персоналу. Если у вас возникнут вопросы по какому-либо объекту, просто наведите на него планшет, и изображение со всей информацией будет отправлено удаленному специалисту. В свою очередь, он сможет оказывать помощь из своего офиса или диспетчерского центра и отмечать необходимые действия на экране, которые выездные сотрудники будут получать в режиме реального времени. В дополнение к отображению показаний оператор может получать предупреждения о неисправностях с указанием места их возникновения, инструкции по ремонту, справочные видеоролики и многое другое [6,7].
ВЫВОД
Цифровые аналоги магистральных газотранспортных объектов позволяют повысить их эффективность за счет снижения затрат газа на собственные нужды и повышения эксплуатационной надежности оборудования. Поскольку они основаны на цифровом моделировании и системных технологиях, широко используемых в промышленности, цифровые двойники не требуют больших ресурсов и времени на разработку и внедрение. В отрасли уже сложилась практика моделирования при проектно- изыскательских работах, есть специалисты, навыки и опыт в этой области.
При разработке цифрового двойника важно использовать модели и знания, доступные проектной компании. Методология разработки включает в себя ряд других известных технологий и позволяет проектным организациям дополнять традиционные системы промышленной автоматизации цифровым двойником в интересах эксплуатирующей организации, принося реальную пользу от внедрения новых цифровых технологий.
Всероссийская научно-практическая конференция «ГРАНЬ НАУКИ 2022»
347
Список литературы:
1. Автоматизация в промышленности [Электронный ресурс] : портал.-
Электрон. дан.-М.,2021.-Режим доступа: http://avtprom.ru/
2. Тулибаев А.Н. Создание цифрового двойника проекта Кандымского групп месторождения// Новые информационные технологии как основа эффективного инновационного развития: сборник статей Международной научно–практической конференции (г. Иркутск, РФ , 5 ноября 2022г.). – Уфа:
Аэтерна, 2022. – 5-17 С.
3. Цифровое раздвоение: рассказываем о технологии «Цифровой двойник» [Электронный ресурс]: портал. - Электрон. дан. - М., 2021 . - Режим доступа: https://dprom.online/oilngas/tsifrovoe-razdvoenie-o-tehnologii/
4. Г.Б. Коровин. Возможности применение цифровых двойников в промышленности// Вестник ЗабГУ. – 2021. - Том 27, № 8. – С. 124-133. DOI:
10.21209/222792452021278124133 5. Применение цифрового двойника в нефтегазовой отрасли / В.Н.
Быкова, Е. Ким, М.Р. Гаджиалиев, В.О. Мусиенко , А.О. Оруджев , E.А.
Туровская// Актуальные проблемы нефти и газа. - 2020. – Вып.1(28). - С. 1-
13.
6. Еремин Н.А., Мельников И.В., Бобриков Н.М. и др. Применение комплексных алгоритмов управления газодобычей как элементов цифрового двойника технологического комплекса Бованенковского НГКМ // Газовая промышленность. 2019. № 6(785). С. 42–49. DOI 10.29222/ipng.2078-
5712.2020-28.art8 7. Saini G., Ashok P., van Oort E., Isbell M.R. Accelerating well construction using a digital twin demonstrated on unconventional well data in
North America // SPE/AAPG/SEG Unconventional Resources Technology
Conference, 23–25 July 2018: Proceedings. Houston, Texas, USA, 2018. Paper
URTEC-2902186-MS. 13 р. https://doi.org/10.15530/URTEC-2018- 2902186
УДК 004
СОЗДАНИЕ АППАРАТА НЕЧЕТКОЙ ЛОГИКИ ДЛЯ ОБНАРУЖЕНИЯ
DDOS-АТАК
Фирсова А.А.
Магистр
ФГБОУ ВО «Поволжский государственный университет телекоммуникаций
и информатики»
Аннотация:В статье анализируется DDoS атака SYN Flood.
Рассматривается актуальность проблемы, связанной с DDoS. Приводится
Всероссийская научно-практическая конференция «ГРАНЬ НАУКИ 2022»
348 описание DDoS-атаки типа SYN-Flood. Предлагается метод для обнаружения атаки этого типа при помощи нечеткой нейронной сети.
Ключевые слова: DDoS-атаки, нейронная сеть, алгоритм нечеткой логики, SYN-Flood, нечеткий классификатор
Распределенные атаки типа отказ в обслуживании (DDoS) стали мощным инструментом в руках злоумышленников. Это не просто способ тестирования сети при экстремальных нагрузках, но и средство шантажа владельцев интернет-сайтов. Большая часть таких атак — это атаки, нацеленные на вывод сервера из строя (то есть на отказ в обслуживании) путем посылки большого количества запросов на сервер. В результате канал связи переполняется, и компьютер жертвы не может отвечать на запросы пользователей. Это наносит значительный ущерб владельцам атакованных сетевых служб [1].
На сегодняшний день разработаны методики противодействия DDoS- атакам, однако их применение требует значительных материальных и административных затрат. Обнаружение таких атак является непростой алгоритмической задачей, так как не существует простых и универсальных признаков, по которым можно было бы отличить сетевые запросы законопослушных пользователей к ресурсам сервера от запросов, посылаемых на сервер с целью атаки.
В данной статье рассматривается абстрактная математическая модель
DDoS-атаки типа SYN-Flood и предлагается способ еѐ обнаружения на ранней стадии с использованием математического аппарата нечетких нейронных сетей [2]. Стоит отметить, что в данной работе не ставится задача дать универсальный способ обнаружения атак типа отказ в обслуживании, однако на примере этой прикладной задачи демонстрируются возможности математического аппарата нечетких нейронных сетей.
Для решения задачи анализа создан аппарат нечеткой логики и нейронных сетей. Для формализации знаний экспертов о DDoS-атаке создано пять переменных, каждая из которых характеризует одну из компонент вектора параметров [3]. Неизвестной переменной называется объект вида (B,
T, X, G, M), где B — имя переменной, T — множество наименований нечетких переменных, составляющих переменную, G — синтаксическая процедура, позволяющая оперировать элементами множества T, M — семантическая процедура, позволяющая переводить значения переменной в нечеткую переменную. Далее приведены переменные, созданные на основе экспериментальных данных. Процедура G не понадобится, поэтому пропускаем еѐ в описании переменных.
1. (Время_поступления_пакетов,
{«мало», «средне», «велико»},
[0,1000].
,
1 1
)
(
)
111
(
3 0
11
x
e
x
f
Всероссийская научно-практическая конференция «ГРАНЬ НАУКИ 2022»
349
,
1 1
1
)
(
)
15
(
3 0
12
x
e
x
f
;
)
(
2 2
025 0
*
2
)
63
(
13
x
e
x
f
2. (Процент_различных_внешних_ip_адресов,
{«мал»,
«велик»},
[0,100].
,
1 1
)
(
)
75
(
3 0
21
x
e
x
f
;
1 1
1
)
(
)
25
(
3 0
22
x
e
x
f
3. (Процент_различных_портов, {«мал», «велик»}, [0,100].
,
1 1
)
(
)
15
(
3 31
x
e
x
f
;
1 1
1
)
(
)
3
(
2 32
x
e
x
f
4. (Процент_пакетов_с_поврежденными_заголовками,{«велик»},
[0,100].
,
1 1
)
(
)
5
(
2 41
x
e
x
f
5. (Степень_уверенности, {«низкая», «средняя», «высокая»}, [0,100].
,
1 1
)
(
)
75
(
5 0
51
x
e
x
f
,
1 1
1
)
(
)
25
(
5 0
52
x
e
x
f
;
)
(
2 2
15
*
2
)
50
(
53
x
e
x
f
Нечеткий логический вывод для определения степени уверенности в атаке состоит из следующих правил:
1. Если
Время_поступления_пакетов
«мало»
И
Процент_различных_внешних_ip_адресов
«мал»
И
Процент_различных_портов «мал», тогда Степень_уверенности_в_атаке
«средняя»;
2. Если
(Время_поступления_пакетов
«мало»
ИЛИ
Время_поступления_пакетов
«средне»)
И
(Процент_различных_внешних_ip_адресов
«велик»
ИЛИ
Всероссийская научно-практическая конференция «ГРАНЬ НАУКИ 2022»
350
Процент_различных_портов
«велик»
ИЛИ
Процент_пакетов_с_поврежденными_заголовками
«велик»), тогда
Степень_уверенности_в_атаке «высокая»;
3. Если
Время_поступления_пакетов
«велико», тогда
Степень_уверенности_в_атаке «низкая»;
На основе нечеткого логического вывода построен нечеткий классификатор со структурой, представленный на Рис. 1.
Рис. 1. Схема нечеткого классификатора для обнаружения SYN-Flood атак
На данном рисунке указаны следующие символы:
1.
∨ - нечеткий ИЛИ-нейрон (в перевернутом виде – И-нейрон);
2. S - классический нейрон;
3. X1, X2, X3, X4 - соответствующие входы;
4. tLittle, tMiddle, tHigh, extaLittle, extaLots, pLittle, pLots, dhLots - функции активации для нечетких переменных Время_поступления_пакетов мало, Время_поступления_пакетов средне, Время_поступления_пакетов велико и т.д.
Таким образом, построенный нечеткий классификатор должен по данным, поданным на вход, определять степень уверенности в атаке.
Данная нечеткая система может быть представлена в форме многослойной нейронной сети с прямым распространением сигнала [4].
Указанное представление нечеткого классификатора дает полную возможность использовать такие достоинства нейронных сетей, как обучение и адаптация под конкретную ситуацию. Это может быть полезным в том
Всероссийская научно-практическая конференция «ГРАНЬ НАУКИ 2022»
351 случае, когда конкретные параметры переменных неизвестны и подбирать их приходиться в процессе эксплуатации системы обнаружения атак.
Нейронная сеть, реализующая нечеткий классификатор, имеет структуру, идентичную представленной на Рис. 1. В этой сети присутствуют нейроны следующих видов: И-нейроны, вычисляющие значение функции нейчеткой конъюнкции, ИЛИ-нейроны, вычисляющие значение нечеткой дизъюнкции, нейроны, вычисляющие значения функций принадлежности нечетким множествам, и S-нейроны, вычисляющие выход нечеткого классификатора. Для обучения этой нейронной сети можно использовать любой градиентный метод минимизации целевой функции [5].
В ходе работы рассмотрена важная проблема определения DDoS-атак типа SYN Flood нечеткими нейронными сетями. В конечном результате построен нечеткий классификатор, который на основании параметров входящего сетевого трафика может судить о степени уверенности в наличии
DDoS-атаки. По данной тематике проводятся исследования, а, то есть, разрабатывается алгоритм обучения нейронной сети и далее программа, которая использует математический аппарат нечеткой логики и нейронных сетей, определяет степень уверенности в наличии атаки.
Список литературы:
1. Аксенов А.Ю. Обнаружение и распознование образов на изображениях с использованием искусственных нейросетей. // Всероссийская научно - техническая конференция «Нейроинформатика 99». Сборник научных трудов. Часть 3. М.: МИФИ, 1999, - С. 131 - 137.
2. Борисов В. В. Нечеткие модели и сети. М.: Горячая линия - Телеком,
2007, - С 75-78.
3. Васильев В.И., Катаев Т.Р., Свечников JI.A. Комплексный подход к построению интеллектуальной системы обнаружения атак. // Системы управления и информационные технологии. Воронеж: Научная книга, 2007,-
№2, С. 76-82.
4. Константинов И.В., Фирсова А.А., Николаева А.В., Инструмент анализа сетевого трафика. // Международный научно-исследовательский журнал
«Аллея
Науки».
ISSN
2587-6244.
Информационные и коммуникативные технологии. №5(68), Май, 2022.
5. Фирсова А.А., Константинов И.В.,
Перспективные информационные технологии (ПИТ 2022) [Электронный ресурс]: труды Международной научно-технической конференции / под ред. С.А. Прохорова. – Самара:
Издательство Самарского научного центра РАН, 2022. С. 547.
Всероссийская научно-практическая конференция «ГРАНЬ НАУКИ 2022»
352
УДК 821.161.1
ОБРАЗ «МАЛЕНЬКОГО ЧЕЛОВЕКА» В РАССКАЗЕ ЛЕОНИДА
АНДРЕЕВА «ЧЕМОДАНОВ»
Фомина А. Ю.
студент, кафедра русской и зарубежной филологии, культурологии и
методики их преподавания,
Ишимский педагогический институт им. П.П. Ершова (филиал)
ТюмГУ,
Аннотация. Статья посвящена изучению образа «маленького человека» в рассказе Леонида Андреева «Чемоданов», написанного в 1915 году. Авторами приводится краткая справка об авторе и особенностях его произведений, раскрывается сущность архетипа «маленький человек» в литературе, также приводится анализ рассказа и краткий вывод о использовании такого типа персонажа в качестве демонстрации бессмысленности и безнадежности жизни человека в быстроменяющемся мире.
Ключевые слова: Леонид Андреев, маленький человек, образ, анализ литературного произведения, архетип
Леонид Николаевич Андреев – известный представитель Серебряного века, а также один из основателей жанра экспрессионизма в русской литературе. В свое время он был дружен со многими писателями, такими как
Максим Горький, Корней Чуковский и другие. О нем писали критики, чьи оценки творчества, прозаика разнились: какие-то отмечали достоинства его прозы (И.Ф. Анненский и Н.А. Макарсков), а какие-то яро критиковали и утверждали, что у него отсутствует свой стиль письма (Ю.И. Айхенвальд,
М.А, Волошин и другие). На наш взгляд никто из не является неправым, поскольку как автор Леонид Николаевич вобрал в себя все лучшие черты писателей своего времени, таких как, например, Лев Николаевич Толстой и
Максим Горький.
Творчество Андреева многогранно, он использовал разные стили и жанры, многие критики называли его больше публицистом, чем писателем, его творческий метод близок с работами таких модернистов, как М.
Булгаков, А. Платонов, Ф. Кафка, А. Камю и Ж.-П. Сартр в сиу своей глубинной общности мироощущения. Его интересовали вопросы жизни и смерти, внутренний мир человека, пороки общества, однако он всегда старался отстраняться от происходящих в стране событий, поскольку его мировоззрение основывалось на любви к человеку. Ю.И. Айхенвальд писал:
«…у Андреева жизнь и он сам раздельны. Они не сливаются, не сходятся…
Он из действительности, вынув живую суть, стал брать только внешние поводы, он отзывался на ее моду, отвечал смертным казням «Рассказом о семи повешенных»; но быть поставщиком толпы, этого худшего из королей,
