Цель. Целью работы является повышение безопасности IoT-устройств путем применения алгоритмов машинного обучения для обнаружения атак в сетях IoT. Актуальность поставленной цели определяется постоянным ростом числа подобных атак в мире и широким распространением систем IoT. В статье приведены соответствующие статистические данные. Анализ имеющихся работ показал, что различные методы рассматривались без связи и сравнения друг с другом, поэтому цель данной работы – определить наиболее перспективный алгоритм машинного обучения для обнаружения атак в сетях IoT – актуальна. Методы. В статье для обнаружения атак в сетях IoT использовались следующие методы машинного обучения: логистическая регрессия, SVC, «случайный лес», метод K-ближайших соседей, метод k-средних, наивный байесовский классификатор и варианты градиентного бустинга (XGBoost, AdaBoost и CatBoost). Новым является сравнение результатов применения контролируемых алгоритмов с алгоритмом K-means, который является неконтролируемым алгоритмом, для обнаружения атак в сетях IoT. Для обучения создаваемых систем обнаружения атак использовался набор данных UNSWNB15, который содержит данные о девяти видах атак. Количество записей составляет более 80 тысяч. Более половины записей – это записи об атаках. Сравнение методов проводилось по нескольким метрикам. Результаты. Разработана структура и реализована
программно система обнаружения вторжений, включающая этапы от анализа исходных данных до вывода окончательных статистических данных. Результаты показывают, что алгоритм «случайный лес» является лучшим из рассмотренных. Одновременно метод имеет хорошие показатели по быстродействию обучения. Это означает, что данный алгоритм может быть развернут и применен с наибольшим успехом. Заключение. В этой статье представлены результаты сравнения различных алгоритмов машинного обучения для обнаружения вторжений в устройства IoT. Точность и кривая ROC-AUC используются для оценки эффективности используемых моделей. Сравнивая используемые модели алгоритмов, мы обнаружили, что модель RandomForestClassifier алгоритма Random Forest имеет хорошую точность, самый высокий AUC и быстрое время выполнения, а это означает, что этот алгоритм является наиболее эффективным при обнаружении вторжений в сети IoT. Продолжение исследований связано с различением типа атаки.
Целью статьи является исследование основных характеристик надежности восстанавливаемых систем k-из-n с произвольными распределениями времени безотказной работы и ремонта их компонентов, а также общим числом ремонтных единиц. Система k-из-n представляет собой систему, состоящую из n компонентов, которая отказывает при отказе ее k (k≤n) компонентов. Для восстановления отказавших компонентов имеется l ремонтных устройств. Такая система обозначается как <GIk≤n|GI|l>. Для исследования привлекаются методы маркированных марковских процессов и теории порядковых статистик. С использованием предложенного подхода построена математическая модель системы, приведены преобразования меток и аналитические выражения для вычисления их распределений. В следующей части статьи на основе предлагаемого метода сформулирован алгоритм имитационного моделирования для оценки основных характеристик надежности. Он не только позволит провести численное исследование таких систем, но и послужит инструментом анализа чувствительности характеристик надежности к исходным параметрам системы.
Цель. При решении задач компьютерного зрения для определения границ детектируемого объекта, как правило, используются методы семантической сегментации, которые требуют высокого вычислительного ресурса. Их использование повышает сложность реализации и увеличивает стоимость решений для внедряемых аппаратно-программных комплексов. В настоящей работе предлагается альтернативный метод определения границы сегментируемого объекта, в виде железнодорожного пути, для комплекса фиксации исполненного движения. Методы. Так как железнодорожный путь на изображении можно представить линией полинома n-порядка, то для решения задачи детектирования границы пути предлагается использовать приближения в виде прямых линий. В качестве метода детектирования прямых линий предлагается использовать преобразование Хафа, параметрическое пространство которого будет скомпоновано в соответствии с решаемой задачей. Заключение. Предложенная аппроксимация позволит отказаться от семантической сегментации и снизит вычислительную сложность нагрузки на аппаратуру.
Постановка задачи. Многие системы искусственного интеллекта по существу являются системами классификации событий. Они широко используются в предиктивной аналитике. Их роль непрерывно растет при прогнозировании опасных событий на транспорте. Эффективность применения методов искусственного интеллекта в значительной мере зависит от результатов неправильной классификации. Поэтому актуальна задача вычисления или оценки в статистическом смысле вероятности неправильной классификации и определения ее граничных значений. Цель. Оценить границы для комбинированной вероятности неправильной классификации из-за двух различных категорий ошибок: собственно ошибок неправильной классификации и статистических ошибок, возникающих вследствие неправильной классификации. Результаты. Выполнена статистическая оценка порогового значения, которое используется для классификации. Установлены граничные условия для комбинированной вероятности неправильной классификации. Представлено обобщение на N-мерные пространства и на произвольные распределения и формы пороговых поверхностей. Теоретические результаты проиллюстрированы примером практического применения.
В статье предлагается метод формирования выделенного операционного кон- текста при разработке и внедрении автономных систем управления корпорациями на примере автономных систем для совета директоров. Значительную часть операционного контекста для автономных систем управления компаниями составляет регуляторная и правовая среда, в рамках которой корпорации осуществляют свою деятельность. С целью создания специального операционного контекста для автономных систем искусственного интеллекта формулировки локальных нормативных документов могут быть одновременно представлены в двух вариантах: для использования людьми и для использования автономными системами. В таком случае система искусственного интеллекта получает четко очерченный операционный контекст, который позволяет такой системе выполнять функции в рамках необходимых эксплуатационных качеств. Локальные нормативные акты, которые предусматривают специфику совместной работы физических лиц и автономных систем искусственного интеллекта, могут стать базой для формирования основ соответствующего законодательства, регулирующего разработку и внедрение ав- тономных систем.
В сборник включены материалы, представленные на X международный симпозиум «Степи Северной Евразии». В работах охвачены ключевые проблемы и перспективы устойчивого развития степных регионов Северной Евразии, сохранения объектов природного и историко-культурного наследия, изучения эволюции, современной динамики и структуры степных ландшафтов, оптимизации степного природопользования в связи с современными глобальными климатическими и антропогенными изменениями. Публикации, вошедшие в сборник, стали основой для формирования тематических направлений симпозиума. Важное место в материалах X международного симпозиума уделено проблемам опустынивания, деградации земель и засух в России и странах Евразийского региона, а также разработке и внедрению природоподобных технологий, предусмотренных Стратегией научно-технологического развития РФ и Климатической доктриной РФ.
В настоящее издание включены материалы, подготовленные на основании докладов I Всероссийской научно-практической конференции «Современные проблемы естествознания и естественно-научного образования» (26 марта 2024 г.) Сборник предназначен для научных работников, специалистов, преподавателей и обучающихся, интересующихся актуальными вопросами естественных наук и естественно-научного образования
Учебное пособие составлено в соответствии с программой курса «История таможенного дела и таможенной политики России», содержит вопросы для самопроверки, а также хронологическую таблицу. Издание предназначено для студентов, обучающихся по специальности 38.05.02 - Таможенное дело.
Учебное пособие по базовой дисциплине «Глобальная география» учебного плана по направлению «Международные отношения», разработанному по ОС МГУ 3++ для студентов 1-го курса факультета глобальных процессов Московского государственного университета имени М. В. Ломоносова. Данный выпуск содержит материалы первого раздела «Глобальная эволюция географического знания» и включает в себя вопросы для самопроверки, основные понятия, список рекомендуемой литературы и интернет-источников.
Представлены теоретические аспекты и методические комментарии к использованию инструментов, применяемых организациями в рамках коммерческой деятельности. Разработано в соответствии с рабочей учебной программой дисциплины «Коммерческая деятельность» направления 38.03.02 «Менеджмент», профили «Менеджмент и маркетинг»», «Маркетинг». Предназначено для студентов не только данных профилей, но и всех экономических направлений и специальностей. Также может быть интересно в научном плане для представителей бизнессообщества.