ргр. Конспект лекций ПЕРЕСДАТЬ. Конспект лекций по дисциплине "Управление и перспективы развития инфокоммуникационных систем" для докторантов специальности

• Название: Конспект лекций по дисциплине "Управление и перспективы развития инфокоммуникационных систем" для докторантов специальности
• Дата: 15.07.2021
• Размер: 1.63 Mb.
• Имя файла: Конспект лекций ПЕРЕСДАТЬ.docx
• Тип: Конспект лекций; #224364
• страница: 5 из 16

Вопросы реализации

Реализации SNMP варьируются среди поставщиков платформ. В отдельных случаях, SNMP не считается достаточно серьезным для элемента основной разработки и потому является просто дополнительной функцией. Некоторые крупные поставщики оборудования имеют склонность к чрезмерному расширению своих собственных интерфейсов командной строки (command line interface, CLI) и систем контроля.

Простая на вид структура дерева и линейная индексация в SNMP не всегда достаточно хорошо понимаются в пределах внутренних структур данных, которые являются элементами базовой конструкции платформы. Следовательно, обработка SNMP-запросов на определенных наборах данных может привести к большей, чем необходимо, нагрузке на процессор. Одним из примеров этой проблемы являются большие таблицы маршрутизации, такие как BGP и IGP.

Ресурсная индексация

Модульные устройства могут динамически увеличивать или уменьшать свои SNMP-индексы (также называемые случаями) при добавлении или удалении оборудования. Это чаще всего используется с аппаратными средствами, хотя виртуальные интерфейсы имеют тот же эффект. Значения индекса, как правило, назначаются во время загрузки и остаются неизменными до следующей перезагрузки. Индексы оборудования или виртуальных сущностей, добавленных при "живом" устройстве, могут назначаться под конец существующего диапазона и, возможно, переназначаться при следующей перезагрузке.

Безопасность

• 
  SNMP версий 1 и 2c подвержены перехвату пакетов со строками сообщества, так как они не используют шифрование.
  
• 
  Все версии SNMP подвержены атакам грубой силой и словарным перебором для угадывания строк сообщества, строк аутентификации, ключей аутентификации, строк шифрования или ключей шифрования, поскольку они не используют "рукопожатие" вида запрос-ответ.
  
• 
  Хотя SNMP работает с TCP и другими протоколами, обычно он используется с UDP, то есть без установки соединения и с уязвимостью к атакам подменой IP. Для ограничения SNMP-доступа могут быть использованы списки доступа к устройству, хотя механизмы защиты SNMPv3 способны помешать успешной атаке.
  
• 
  Обширные возможности в настройке SNMP многими поставщиками не используются в полную силу, отчасти из-за недостатка безопасности в версиях SNMP до SNMPv3, а также из-за того, что многие устройства просто не могут быть настроены с помощью изменений отдельного объекта базы MIB.
  
• 
  SNMP возглавляет составленный SANS Institute список "Common Default Configuration Issues" с вопросом изначальной установки строк сообщества на значения "public" и "private" и занимал десятую позицию в SANS Top 10 Самых критических угроз Интернет-безопасности за 2000 год.
  

Автоматическая настройка

SNMP сам по себе является просто протоколом для сбора и организации информации. Большинство реализующих SNMP инструментариев предлагают ту или иную форму механизма обнаружения (стандартизированного сбора данных, общих для большинства платформ и устройств) для получения нового пользователя или исполнителя при начале работы. Одна из этих функций часто является формой автоматической настройки, при которой новые обнаруженные в сети устройства опрашиваются автоматически. В случае SNMPv1 и SNMPv2c, это представляет угрозу безопасности, поскольку read-сообщества SNMP будут транслироваться в открытом виде на целевом устройстве. Пока требования к безопасности варьируются от организации к организации, следует проявлять осторожность при использовании такой функции как эта, особенно с учетом обычных условий, таких как центры обработки данных со смешанными арендаторами, объекты размещения серверов и аналогичные условия.

Литература: 5, 6,7, 8
9-10 Лекция. Интеллектуальные системы принятия решений и управления в условиях конфликта.

Цель лекции: рассмотрена классификация интеллектуальных систем принятия решений и управления как прикладных задач в инфокоммуникационных системах.

Содержание:

• 
  анализ современного состояния исследования интеллектуальных систем;
  
• 
  модели систем интеллектуального управления;
  

Введение

Новым направлением принятия решений и управления в условиях конфликта являются информационные системы на основе интеллекта, который позволяет принимать решения формировать управления на основе использования знаний. Рассмотрена классификация интеллектуальных систем принятия решений и управления, новые результаты в их исследовании и приводятся примеры решения прикладных задач.

В лекции анализируются новые концепции, принципы и технологии принятия интеллектуальных решений в системах управления, использующих Интернет и другие телекоммуникационные сети для сбора, хранения, обработки и распространения информации. Это позволяет в условиях конфликта для аналитической работы формировать большие объемы достоверной информации и оперативно готовить необходимые документы при совместной работе коллектива лиц.

В лекции рассматриваются следующие основные вопросы:

• 
  анализ современного состояния исследования интеллектуальных систем;
  
• 
  модели систем интеллектуального управления;
  
• 
  модели принятия решения в условиях конфликта:
  
• 
  определение оптимальной интеллектуальной системы принятия решения и управления в условиях конфликта.
  

1. Анализ современного состояния исследования интеллектуальных систем

В настоящее время научные исследования направлены на изучение и построение сложных, больших и слабо формализуемых технических, экологических, экономических, политических и социальных проблем, порождаемых процессом развития цивилизации и порождаемых им. По мнению ряда ученых [1-3], только использование всего потенциала знаний, накопленных человеком и создаваемых его интеллектом, позволяет успешно решать возникающие проблемы и находить пути адаптации человека к новым условиям его жизни при развития цивилизации.

Интеллектуальные системы и носители интеллекта традиционно находили применение в различных системах управления, включая ручное и полуавтоматическое управление, но новым этапом развития интеллектуальных систем стало появление электронных вычислительных машин (ЭВМ) и телекоммуникационных сетей с элементами искусственного интеллекта [4]. С момента начала исследований по искусственному интеллекту понималось создание вычислительных систем, обладающих свойствами имитации творческих процессов, логических выводов, восприятие естественно-язычных запросов и команд, аккумуляции знаний в ЭВМ. В качестве начальных научных направлений исследований новой информационной технологии можно выделить работы по интеллектуальным информационно-поисковым системам, обеспечивающим в процессе диалога человека с ЭВМ пользователей непрограммистов с базами данных и знаний на профессиональных языках пользователей близких к естественному языку (например, как в работах [5]).

1.1. Экспертные системы. Важное практическое реальное применение получила технология искусственного интеллекта, сформировавшаяся в середине семидесятых годов прошлого века и получившая название экспертных систем (ЭС). Достоинством ЭС стало то положение, что они ориентированы на решение широкого круга неформализованных задач, которые ранее считались мало доступными для вычислительной техники. При решении практических задач ЭС в ряде случаев позволили получить результаты «сравнимые, а иногда и превосходящие» результаты деятельности человека- эксперта, обосновывающего или готовящего предложения для лица принимающего решение .

При создании ЭС требуется разработать программы (устройства), которые при решении задач, трудных для эксперта-человека, получают результаты , не уступающие по рискам или эффективности результатам, формируемыми специалистами –экспертами. В настоящее время ЭС нашли применение в различных сферах деятельности человека:

• 
  медицина;
  
• 
  геология;
  
• 
  химия;
  
• 
  вычислительная техника;
  
• 
  электронная торговля, а также коммерция и бизнес;
  
• 
  научные исследования, проектирование, конструирование и производство;
  
• 
  коммуникации транспортные и информационные;
  
• 
  юриспруденция,
  
• 
  отдельныt социально – экономические области и др. приложения.
  

Исследователи ЭС для описания своей деятельности используют термин «инженерии знаний», который включает научные, технологические и методологические вопросы и фактически предполагает разработку принципов и технологий искусственного интеллекта на основе использования «знаний экспертов», или экспертных знаний.

Структура ЭС (рис.1) имеет следующие компоненты:

• 
  база знаний, хранящая множество продукций, задаваемых алфавитом и системой базисных продукций (формальных правил выводов);
  
• 
  хранилища данных (база данных);
  
• 
  интерпретатор, решающий представленную ему задачу;
  
• 
  лингвистический процессор, реализующий взаимодействие ЭС с пользователем (экспертом) на естественном или профессиональном языке, языке графики, тактильном воздействии и т.л.;
  
• 
  компонента приобретения знаний;
  
• 
  объяснительная компонента, отвечающая на вопросы пользователя.
  

Объяснительная компонента


Рисунок 1 - Схема обобщенной структуры ЭС
ЭС работает в двух режимах: режиме приобретения знаний (через инженера по знаниям от экспертов) и в режиме решения задачи пользователем.

Экспертные системы находят применение как эффективное средство анализа плохо формализуемых и трудно алгоритмизируемых задач по распознаванию образов и классификации конфликтов, условий их реализации, поиску целесообразных и оптимальных действий в условиях различных конфликтов. Технологии экспертных систем позволяют находить решения при неполноте исходных данных об объекте управления, идентифицировать стратегии и действия противника в конфликтных ситуациях, обрабатывать смысловое содержание больших объемов информации и на основе этого формировать оптимальные решения и управления. Одним из основных направлений применения экспертных систем в управлении стала концепция ситуационного управления, которое реализует не только управление объектом, его параметрами и структурой, но и каждому классу ситуаций, возникающих при функционировании системы, определяется решение по управлению.

1.2. Системы ситуационного управления. Реальным направлением прикладного развития технологии искусственного интеллекта стало ситуационное управление , основанное на управлении сложными техническими и организационными системами на основе логико-лингвистических моделей по текущим ситуациям.

В работе Д. А. Поспелова ситуационное управление в отличие от традиционного управления характеризуется рядом свойств, отличающих его от изучаемого в традиционной теории управления:

• 
  необходимость учета конкретной ситуации, связанной с управлением объектом, которая отличается уникальностью и невозможностью применения типовой стандартной процедуры управления;
  
• 
  отсутствие формализованной цели функционирования («существования») объекта (например, управления городом, экосистемами, национальной безопасностью, социально-экономическими системами и др.);
  
• 
  существенное влияние лица принимающего решения (ЛПР) на оценку эффективности и безопасности управления и, соответственно, на выбор показателей качества и критерии сравнения альтернативных вариантов управления;
  
• 
  наличие в управляемом объекте людей, сложных инфокоммуникационных систем, эволюционирующих во времени;
  
• 
  неполнота описания объекта управления, не позволяющая ясно и просто формулировать решаемые системой задачи, правомерность введения допущений и ограничений на функционирование системы, наличие элементов структуры и процессов функционирования системы, которые не могут быть описаны количественно.
  

Перечисленные свойство дистанционного управления делают понятным, что его применение нацелено на те ситуации, когда изменяется структура объекта управления, в которой участвуют люди, когда происходит адаптация технических систем и людей к конкретной ситуации. При этом при принятии решения ЛПР и реализации управления должен учитывать как текущую ситуацию (информацию о структуре управления и функционирование объекта в данный момент времени), так и полную совокупность ситуаций (информацию о состоянии систем управления и технологии управления на всем жизненном цикле функционирования системы). При этом процесс ситуационного управления реализуется на основе реализации следующих элементов (рис.2 [2]):

• 
  анализатор, формирующий информацию по конкретной сложившейся ситуации и выдачи сообщения о необходимости вмешательства в процесс управления;
  
• 
  классификатор, относит информацию о текущей ситуации к одному или нескольким классам, которым должно соответствовать реализуемое управление;
  
• 
  коррелятор, получает всю информацию от классификатора и вырабатывает решение для управления, если от экстраполятора поступает единственное решение и передает информацию на блок случайного выбора, если экстраполятор формирует несколько правил:
  
• 
  экстраполятор, в котором хранятся все логико-трансформационные правила (ЛПР), определяет те ЛПР, которые должны быть использованы;
  
• 
  блок случайного выбора выбирает случайным образом то правило, из предложенных коррелятором по информации экстраполятора.
  

Рисунок 2 - Схема реализации ситуационного управления в текущей ситуации.

Из рассмотренной схемы ситуационного управления можно выделить ряд особенностей, присущих ситуационному управлению как разделу теории искусственного интеллекта:

• 
  ситуационное управление требует большой работы для сбора информации об объекте управления, его функционировании и способах управления им;
  
• 
  описание текущих ситуаций должно быть произведено на таком языке, в котором отражались бы все основные параметры и связи, необходимые для классификации текущей ситуации и согласования ему одношагового решения по управлению;
  
• 
  язык описания ситуаций должен позволить отражать не только количественные факты и отношения, характеризующие текущую ситуацию, но и качественные знания, которые не могут быть формализованы;
  
• 
  для классификации ситуаций используются экспертные знания;
  
• 
  формирование логико-трансформационных правил осуществляется на основе информации, получаемой от экспертов.
  

Для построения метода ситуационного управления в работе используются семиотические модели, которые основываются на формальной модели, задаваемой четверткой
М = < Т, Р, Ф, П>, (1)
где Т – множество базовых элементов, Р – синтаксические правила, А – система аксиом, П – семантические правила,

а также формальной модели L, называемой интерпретированной формальной моделью
L = <Z, D, H, V>,
в которой Z – множество интерпретируемых значений,

D – правила отображения, которые дают отображения Т Z и обратное Z Т, т.е. приписывает каждому отображению Т некоторое интерпретирующее отображение,

H –правила отображения,

V – правила интерпретации, позволяющие приписывать любой синтаксически правильной совокупности базовых элементов некоторое интерпретирующее значение.

Тогда семиотическая модель С описывается следующей четверткой
С = <М, χ_Т, χ_Р, χ_А , χ_П>, (2)
где χ_Т, χ_Р, χ_А , χ_П соответственно правила изменения Т, Р, А, П.

Использование семиотической модели С в отличие от формальных моделей позволяет в процессе ситуационного управления изменять все элементы формальной модели Т, Р, А, П и благодаря этой способности строить модели для текущих ситуаций соответствующие человеческой деятельности. Использование знаков делает ситуационное управление эффективным. Так как человек окружен знаковыми системами, то он получает возможность договариваться со своими партнерами о синтаксисе, семантике и прагматике знаков.

Завершая короткое рассмотрение метода ситуационного управления можно отметить, что ситуационное управление позволяет описывать ряд конфликтных ситуаций, в которых требуется принимать конкретные решения. Вместе с тем большой класс реальных задач по управлению в условиях конфликта, связанных с социально-экономическими, военными, глобальными изменениями в экосфере, политическими преобразованиями основываются на теории игр, которая является разделом математики и предполагает использование формальных моделей. Поэтому для успешного использования ситуационного управления для принятия решений в условиях конфликта требуются создание сценариев с использованием всего инструментария теории игр .

1.3. Системы управления структурной динамикой сложных технических объектов. Новым, интересным и перспективным направлением развития искусственного интеллекта стали работы по методологическим и методическим основам теории управления структурной динамикой сложных технических систем [3]. Направление предлагает использовать модельные комплексы с различными моделями, комбинированные методы, алгоритмы и методики, а также разработка интеллектуальной технологии автоматизированного проектирования систем мониторинга и управления сложных технических объектов в различных условиях изменения обстановки.

При исследовании управления сложной технической системой (т.е. с учетом сложности ее структуры, функционирования, стратегии принятия решений, выбора поведения и развития) изучаются процессы мониторинга и управления структурной динамикой сложной системы. Процесс мониторинга и управления анализирует переход структуры системы из одного в другое макросостояние под действием различного рода причин (внутренних, внешних, объективных, субъективных, воздействий внешней среды, конфликтующих систем и т.п.). В качестве примеров исследуемых сложных технических систем в работах [3] рассмотрены следующие системы:

• 
  системы управления подвижными объектами (транспортными средствами наемного, воздушного, морского, космического базирования);
  
• 
  гибкие автоматизированные и автоматические производства;
  
• 
  роботы и робототехнические системы;
  
• 
  территориально-распределенные неоднородные информационно-вычислительные сети;
  
• 
  системы автоматизированного исследовательского проектирования;
  
• 
  системы национального, регионального, глобального мониторинга чрезвычайных ситуаций, техногенных и природных катастроф, ликвидации их последствий.
  

Место теории управления структурной динамикой сложных технических систем авторами определяется как интеграция искусственного интеллекта с системным анализом, исследованием операций теорией управления и теорией систем, т.е. требует междисциплинарных исследований [3]. Концепция проблемы управления структурной динамикой сложных технических объектов, которые могут состоять из человеко-машинных подсистем, сводится к решению следующих основных задач:

• 
  анализ структурной динамики сложной технической системы, включающий формирование информационно-технологических и структурно-топологических показателей макро состояний системы, вариантов сценариев изменения входных воздействий на элементы и подсистемы системы с учетом пространственно-временных, технических и технологических ограничений, связанных с процессом ее применения по целевому назначению в различных условиях обстановки;
  
• 
  оценивание структурного состояния системы, включающее многокритериальное оценивание структурной динамики системы при различных вариантах воздействий на систему, оценку управляемости, наблюдаемости, устойчивости и чувствительности системы, осуществить классификацию и упорядочение структурных состояний системы;
  
• 
  выбор оптимальных программ управления и регулирования структурной динамики системы.
  

Содержательное решение задачи управления структурной динамикой сложной технической системы определяется нахождением последовательности плановых и регулирующих воздействий на параметры, элементы, объекты, подсистемы, структуры и систему в целом, при котором для каждого сценария изменения воздействий внешней среды на систему обеспечивается оптимальный переход ее из текущего в требуемое состояние.

Центральную роль в управлении структурной динамикой сложной технической системы отводится интегрированным системам поддержки принятия решения и их ядру –специальному программно- математическому обеспечению поддержки решений, которые в содержательном плане должны отвечать следующим требованиям [3]:

• 
  обоснованность принимаемых решений на различных этапах жизненного цикла системы управления;
  
• 
  создание интеллектуального интерфейса ЛПР с вычислительной средой;
  
• 
  обеспечение способности интегрированной системы поддержки принятия решения к адаптации, самоорганизации и развитию;
  
• 
  своевременности выработки решений для реализации управляющих воздействий;
  
• 
  обеспечение требуемой степени адекватности моделирования.
  

Проведенный анализ требований к информационным системам поддержки принятия решений сложных технических систем показал, что применение только одного класса моделей (или математических, или логико-лингвистических, или логико-алгебраических и др.) не позволяет получать достоверные результаты, что делает необходимым использовать системный подход к решению проблемы моделирования, когда используются различные модельные многоуровневые описания.

В качестве одного из видов модели обобщенных вычислительных моделей представления знаний используется семантическая сеть, вершинам которой сопоставляются денотаты предметной области, а дугам – отношения между ними. В этом случае вычислительная модель полностью определяется предметной областью и определяет четверкой множеств: переменных или параметров технической системы, отношений на множестве параметров, предикатов (предметными элементами которых являются элементы), отображения, ставящие в соответствие каждому отношению элемент.

Практическое приложение методических разработок мониторинга состояния и управления структурной динамикой сложных технических объектов связано с созданием интеллектуальных информационных технологий с решением типовых задач:

• 
  контроль функционирования объекта управления, включая контроль выполнения полета различных летательных аппаратов в космосе и в атмосфере, при нахождении его как в штатной, так и нештатной ситуации,
  
• 
  контроль работоспособности объекта управления и диагностирование неисправностей, в случае их возникновения;
  
• 
  прогнозирование поведения объекта управления в штатных и нештатных ситуациях;
  
• 
  системы проведения испытаний ракетной и космической техники;
  
• 
  программное управление структурной динамикой наземных и орбитальных космических средств;
  
• 
  программное управление структурной динамикой сети сотовой связи.
  

Методология и методы интеллектуальной технологии мониторинга и управления сложными техническими объектами по сравнению с традиционным структурно-функциональным синтезе облика сложных технических систем позволяют более эффективно решать следующие задачи:

- осуществлять интегрированный синтез функциональной и технической структур сложных технических систем в рамках единого формального описания рассматриваемой предметной области;

- планирование целесообразного поведения с учетом реальных ситуаций и состояния системы;

- существенно сократить размерность систем управления структурной динамикой;

- обеспечить адекватность получаемой информации целям функционирования системы;

- повысить эффективность обсуждения результатов по управлению структурной динамикой на концептуальном, алгоритмическом, информационном, программном уровнях описания;

- успешно решать проблемы унификации специального программного обеспечения;

- непосредственно связать те общие цели, на достижение которых ориентировано функционирование системы, с целями, которые реализуются в ходе управления структурами;

- обоснованно определять и выбирать выполнение операций и действий, связанных с изменением структурной динамики сложной технической системы.

Несомненно, что разработанная методология и технологии, а также полученные результаты при исследовании интеллектуальных технологий мониторинга и управления структурной динамикой сложных технических систем, найдут практическое применение при создании ситуационно-аналитических центров государственного управления, многочисленных оперативно-ситуационных центров МЧС России и других министерств и ведомств, демонстрационных и управленческих центров корпораций, учебных центров университетов и академий.