В статье предлагается протокол формирования сетевого ключа по открытым каналам связи с ошибками. Дана постановка задачи формирования сетевого ключа. Предлагается включить в протокол три временные фазы. Первая фаза устанавливает криптосвязность в независимых группах объектов связи (ОС). Вторая фаза устанавливает криптосвязность между независимыми группами ОС. Третья фаза выбирает сетевой ключ из множества сформированных ключей и передает его всем ОС сети. Рассматривается протокол формирования сетевого ключа. Предлагаются модель канальной связности и процедуры этого протокола. Выполняется оптимизация параметров протокола и обсуждается его эффективность.
Алгоритмы обучения ансамблей, такие как bagging, часто генерируют неоправданно большие композиции, которые, помимо потребления вычислительных ресурсов, могут ухудшить обобщающую способность. Обрезка (pruning) потенциально может уменьшить размер ансамбля и повысить точность; однако большинство исследований сегодня сосредоточены на использовании этого подхода при решении задачи классификации, а не регрессии. Это связано с тем, что в общем случае обрезка ансамблей основывается на двух метриках: разнообразии и точности. Многие метрики разнообразия разработаны для задач, связанных с конечным набором классов, определяемых дискретными метками. Поэтому большинство работ по обрезке ансамблей сосредоточено на таких проблемах: классификация, кластеризация и выбор оптимального подмножества признаков. Для проблемы регрессии гораздо сложнее ввести метрику разнообразия. Фактически, единственной известной на сегодняшний день такой метрикой является корреляционная матрица, построенная на предсказаниях регрессоров. Данное исследование направлено на устранение этого пробела. Предложено условие, позволяющее проверить, включает ли регрессионный ансамбль избыточные модели, т. е. модели, удаление которых улучшает производительность. На базе этого условия предложен новый алгоритм обрезки, который основан на декомпозиции ошибки ансамбля регрессоров на сумму индивидуальных ошибок регрессоров и их рассогласованность. Предложенный метод сравнивается с двумя подходами, которые напрямую минимизируют ошибку путем последовательного включения и исключения регрессоров, а также с алгоритмом упорядоченного агрегирования (Ordered Aggregation). Эксперименты подтверждают, что предложенный метод позволяет уменьшить размер ансамбля регрессоров с одновременным улучшением его производительности и превосходит все сравниваемые методы.
Представлены результаты исследования особенностей обнаружения ошибок в информационных векторах кодами с суммированием. В такой постановке задача актуальна, прежде всего, для использования кодов с суммированием при реализации контролепригодных дискретных систем и технических средств диагностирования их компонентов. Приводится краткий обзор работ в области построения кодов с суммированием и описание способов их построения. Выделены коды, для которых при формировании контрольного вектора единожды учитываются значения всех информационных разрядов путем операций суммирования их значений или значений весовых коэффициентов разрядов, а также коды, которые формируются при первоначальном разбиении информационных векторов на подмножества, в частности на два подмножества. Предложено расширение класса кодов с суммированием, получаемых за счет выделения двух независимых частей в контрольных векторах, а также взвешивания разрядов информационных векторов на этапе построения кода.
Приведен обобщенный алгоритм построения двухмодульных взвешенных кодов, а также описаны особенности некоторых из кодов, полученных при взвешивании неединичными весовыми коэффициентами по одному информационному разряду в каждом из подвекторов, по которым осуществляется подсчет суммарного веса. Особое внимание уделено двухмодульным взвешенным кодам с суммированием, для которых определяется суммарный вес информационного вектора в кольце вычетов по модулю M =4. Показано, что установление неравноправия между разрядами информационного вектора в некоторых случаях дает улучшение в характеристиках обнаружения ошибок по сравнению с известными двухмодульными кодами. Описываются некоторые модификации предложенных двухмодульных взвешенных кодов. Предложен способ подсчета общего числа необнаруживаемых ошибок в двухмодульных кодах с суммированием в кольце вычетов по модулю M =4 с одним взвешенным разрядом в каждом из подмножеств. Приведены подробные характеристики обнаружения ошибок рассматриваемыми кодами как по кратностям необнаруживаемых ошибок, так и по их видам (монотонные, симметричные и асимметричные ошибки). Проведено сравнение с известными кодами. Предложен способ синтеза кодеров двухмодульных кодов с суммированием на стандартной элементной базе сумматоров единичных сигналов. Дана классификация двухмодульных кодов с суммированием.
При построении надежных дискретных систем используются разделимые коды с простыми правилами построения и небольшой избыточностью. Часто применяются коды с суммированием с постоянным значением количества контрольных разрядов вне зависимости от длины информационного вектора. В статье показано, что характеристики обнаружения ошибок данными кодами могут быть улучшены за счет модификации правил вычисления значений разрядов контрольных векторов. Предложен алгоритм построения кода с суммированием, основанный на взвешивании переходов между разрядами, занимающими соседние позиции в информационных векторах, и подсчете суммарного веса информационного вектора по модулю, равному степени числа 2. В статье детально анализируются свойства новых кодов с суммированием в сравнении с известными кодами. Установлены условия построения помехоустойчивых модульных взвешенных кодов с суммированием с максимальным количеством обнаруживаемых ошибок в информационных векторах. Улучшение характеристик обнаружения ошибок в новых кодах по сравнению с классическими кодами с суммированием достигается за счет равномерного распределения информационных векторов между всеми контрольными векторами, что, в свою очередь, вносит в класс необнаруживаемых помимо симметричных, некоторую долю монотонных и асимметричных ошибок. В отличие от модульных кодов с суммированием единичных разрядов модульные взвешенные коды обнаруживают большее количество симметричных ошибок, однако доминирующим их видом практически при любой длине информационного вектора являются асимметричные ошибки. Модульные коды с суммированием взвешенных переходов являются перспективным классом разделимых кодов для решения задач технической диагностики дискретных систем.
В настоящей работе рассматривается проблема автоматизированного поиска уязвимостей в исполняемом коде. В работе проводится анализ проблематики, и выделяются недостатки существующих решений, в части отсутствия возможности обнаружения уязвимостей с учётом тех угроз, которые они несут для защищаемой информации, которая обрабатывается в ПО. Для решения этой проблемы предлагается оригинальная модель автоматизированного поиска уязвимостей в трассе программы, её алгоритмическое обеспечение и программная реализация. В рамках модели приводятся формальные критерии отнесения ошибки к уязвимости с учётом распределения защищаемой информации в памяти программы. Для выделения участков памяти с защищаемой информацией в работе используется методика анализа помеченных данных. Кроме того приводится экспериментальная оценка эффективности разработанного программного комплекса, которая показала, что разработанное решение позволяет детектировать на 5 типов уязвимостей больше в ОС Windows и на 4 типа уязвимостей больше в Linux по сравнению с существующими аналогами. Все модули разработанного комплекса были опубликованы как ПО с открытым исходным кодом, могут свободно использоваться в других проектах и доступны для скачивания в Интернете.
В статье предлагается аналитически обоснованный метод кластеризации мультимножеств, названный K–методом, который в кластерном анализе позволяет превзойти традиционный метод K–средних. В области сегментации изображений предлагаемый метод решает проблему вычисления оптимальных приближений изображения в последовательном числе яркостных градаций, рассматриваемую в мультипороговом методе Оцу, и кардинально улучшает по суммарной квадратичной ошибке приближения изображения связными сегментами, рассматриваемые в модели Мамфорда–Шаха. Если традиционный метод K–средних анализирует близость пикселей к центрам кластеров, то K–метод учитывает более сильный признак устойчивости оптимального разбиения относительно реклассификации пикселей из одного кластера в другой. При этом K–метод оказывается практичнее метода Оцу, т.к. при вычислении каждого последующего разбиения с очередным числом кластеров не ограничен экспоненциальным возрастанием продолжительности обработки. В сравнении с моделью Мамфорда–Шаха, основное преимущество K–метода состоит в снижении суммарной квадратичной ошибки за счет генерации последовательности перекрывающихся разбиений в комбинированном алгоритме влияния/дробления–коррекции сегментов изображения.
Рассматривается подход к улучшению процедур построения оценок различных параметров поведения респондентов по сведениям о его последних эпизодах, предшествующих интервью. Предложены методы обработки неопределенности исходных данных, основанные на смешанном вероятностно-нечетком подходе. Получены аналитические, включая их асимптотические, приближения и численные оценки интенсивности поведения. Разработаны программные приложения, обеспечивающие возможность проведения численных экспериментов, реализующих предложенные процедуры обработки.
1 - 7 из 7 результатов